文献类型：期刊文章

作　　者：杨皓[1] 张池军[1,2] 张辛未[3]

YANG Hao;ZHANG Chijun;ZHANG Xinwei(School of Computer Science and Technology,Changchun University of Science and Technology,Changchun 130022,China;International Business School,Guangdong University of Finance&Economics,Guangzhou 510320,China;Student Affairs Office,Changchun University,Changchun 130022,China)

机构地区：[1]长春理工大学计算机科学技术学院,长春130022 [2]广东财经大学国际商学院,广州510320 [3]长春大学学生工作部,长春130022

出　　处：《吉林大学学报(理学版)》

基　　金：国家自然科学基金青年基金(批准号:82304204)。

年　　份：2025

卷　　号：63

期　　号：4

起止页码：1105-1116

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：针对自然灾害应急物资分配的问题,提出一种基于动态Boltzmann Softmax(DBS)和动态探索率(DER)的Q-learning算法(dynamic Boltzmann Softmax and dynamic exploration rate based-Q-learning,DBSDER-QL).首先,采用动态Boltzmann Softmax策略,通过动态调整动作价值的权重,促进算法的稳定收敛,解决了最大运算符的过度贪婪问题.其次,采用动态探索率策略提高算法的收敛性和稳定性,解决了固定探索率Q-learning算法在训练后期无法完全收敛到最优策略的问题.最后,通过消融实验验证了DBS和DER策略的有效性.与动态规划算法、贪心算法及传统Q-learning算法进行对比的实验结果表明,DBSDER-QL算法在总成本和计算效率方面均明显优于传统方法,展现了更高的适用性和有效性.

关 键 词：物资分配  强化学习  Q-learning算法  动态探索率  动态Boltzmann Softmax  

分 类 号：TP391]