ارائه روشی جدید برای کسب مهارت در یادگیری تقویتی با کمک خوشه بندی گراف

یادگیری تقویتی، یکی از انواع یادگیری ماشین است که در آن عامل با استفاده از تراکنش با محیط، به شناخت محیط و بهبود رفتار خود می‎پردازد. یکی از مشکلات اصلی الگوریتم‎های استاندارد یادگیری تقویتی مانند یادگیری Q این است که نمی‎توانند مسایل بزرگ را در زمان قابل قبولی حل کنند. کسب خودکار مهارت ها می تواند به شکستن مساله به زیرمساله‎های کوچک تر و حل سلسله مراتبی آن کمک کند. با وجود نتایج امیدوارکننده استفاده از مهارت ها در یادگیری تقویتی سلسله مراتبی، در برخی تحقیقات دیگر نشان داده شد که بر اساس وظیفه مورد نظر، اثر مهارت ها بر کارایی یادگیری می تواند کاملا مثبت یا منفی باشد و اگر به درستی انتخاب نشوند می توانند پیچیدگی حل مساله را افزایش دهند. از این رو یکی از نقاط ضعف روش های قبلی کسب خودکار مهارت ها، عدم ارزیابی هر یک از مهارت های کسب شده می باشد. در این مقاله روش های جدیدی مبتنی بر خوشه بندی گراف برای استخراج زیرهدف ها و کسب مهارت ها ارائه می گردد. همچنین معیارهای جدید برای ارزیابی مهارت ها مطرح می شود که با کمک آنها، مهارتهای نامناسب برای حل مساله حذف می گردند. استفاده از این روش ها در چندین محیط آزمایشگاهی افزایش سرعت یادگیری را به شکل قابل ملاحظه ای نشان می دهد.