强化学习一词来自于行为心理学, 这门学科把行为学习看成反复试验的过程, 从而把环境状态映射成相 应的动作. 在设计智能机器人过程中, 如何来实现行为主义的思想、在与环境的交互中学习行为动作? 文中把机器 人在未知环境中为躲避障碍所采取的动作看作一种行为, 采用强化学习方法来实现智能机器人避碰行为学习. Q 2 学习算法是类似于动态规划的一种强化学习方法, 文中在介绍了Q 2学习的基本算法之后, 提出了具有竞争思想和 自组织机制的Q 2学习神经网络学习算法; 然后研究了该算法在智能机器人局部路径

基于Metropolis准则的Q_学习算法研究，很好的增强学习方法。

随着城市交通流量日益增加,现有的交通灯固定时间控制系统不能很好解决交通拥堵问题.针对这一背景,采用基于Q_学习的交通灯控制策略(QTGCS)对交通灯进行动态配时,以减少车辆在交叉口的平均等待时间,通过模糊逻辑控制根据车辆诱导信息对Q_学习的动作选择进行优化(FQTGCS),以提高Q_学习算法的收敛速度.实验结果表明,所采用的交通灯控制策略可以很好地解决交通拥堵问题,能更好地提高交通系统的性能..