.png){kind=icon}
返回
A resource-efficient Q-learning algorithm using Boltzmann policy
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-73214-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Q学习（QL）在平衡探索与利用方面面临挑战。QL通常采用ε-贪婪策略。然而，ε-贪婪策略由于不必要的探索导致在可编程门阵列（FPGA）上收敛缓慢且资源消耗过大。本文提出了一种硬件Q学习架构，采用定点表示法集成玻尔兹曼策略。该设计在Genesys 2 Kintex7（XC7K325T-2FFG900C）FPGA上实现。利用玻尔兹曼策略优先选择最优动作的能力，本设计显著减少了更新状态所需的迭代次数。这一减少带来了更快的收敛速度和更高效的资源分配策略。实验结果表明FPGA资源效率得到提升。对于16位实现，所提设计将查找表（LUT）、LUTRAM、触发器（FF）和块随机存取存储器（BRAM）的使用量分别限制在总硬件资源的0.86%、0.06%、0.27%和0.79%。对于32位实现，LUT、LUTRAM、FF和BRAM的使用量分别限制在1.26%、0.01%、0.38%和2.02%。此外，所提设计在16位配置下实现了46%的功耗效率提升，在32位配置下实现了28%的功耗效率提升。基于这些结果，所提基于玻尔兹曼的QL架构在优化FPGA资源利用的同时提升了整体系统性能。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
