量子强化学习理论、算法及应用

设计快速高效的学习算法是人工智能中的一个关键问题，强化学习是机器学习领域的一种重要学习方法。项目以自主移动机器人学习和量子系统控制设计为应用背景，拟将量子理论系统的引入到强化学习系统的分析与设计中，探索新的知识表示方法和学习机理，提出一套完整的量子强化学习方法。内容主要包括：①将传统强化学习中的状态/动作进行量子化表示，建立量子强化学习的正式知识表示，给出量子强化学习的动作选择策略和值函数更新规则，建立量子强化学习的完整算法框架；②分析量子强化学习算法的收敛性、搜索策略等问题，从理论上找出高效快速的学习模式；③通过经典计算机仿真实现不同策略下的量子强化学习算法，以验证量子强化学习的优越性，通过对其物理实现进行分析以论证方法的可行性，根据分析结果建议合适的物理实现方案；④结合自主移动机器人学习和量子系统控制问题考虑用量子强化学习算法解决实际问题，并对量子人工智能和量子学习控制进行探索。