面向軟件自適應演化中的強化學習方法的研究.pdf

1、在金融管理、空中交通管制、通信網(wǎng)絡管理等領域存在很多復雜問題,單個Agent解決不了,因為資源或者能力有限,而多Agent系統(tǒng)提供了解決這些問題的可能。但隨著科學技術的發(fā)展,軟件結構向大型復雜轉變并呈現(xiàn)出分布式特征,軟件的運行環(huán)境也從靜態(tài)封閉走向動態(tài)開放,這些新的變化對軟件提出了更高的要求,要求軟件必須具備自適應的能力,即當環(huán)境發(fā)生變化時,系統(tǒng)通過調(diào)整自身的結構或行為策略仍能正常運行。學習作為自適應的重要技術也備受關注,但常規(guī)的學習方法

2、由于需要人直接參與或者間接參與(包括預先指定動作策略或效用策略),要求系統(tǒng)設計者在設計階段描述所有的系統(tǒng)行為和環(huán)境狀態(tài),對系統(tǒng)設計者要求太高而且往往難以實現(xiàn)。強化學習非常適用于沒有太多環(huán)境信息的問題域,因為在該方法中詳細的環(huán)境模型不是必須的,因此如何將強化學習應用到軟件自適應演化中,是當前研究的熱點與難點。
　　本文主要研究將強化學習方法應用到軟件自適應演化中。首先給出一種基于Agent的軟件自適應演化支撐框架,并詳細闡述了該框架