當(dāng)前位置：首頁 > 科技文檔 > 自動(dòng)化技術(shù) > 正文

廣義行為正則化離線Actor-Critic

計(jì)算機(jī)學(xué)報(bào) 頁數(shù)： 13 2023-04-15
摘要： 行為正則化Actor-Critic(BRAC)是一種離線強(qiáng)化學(xué)習(xí)算法,通過將當(dāng)前策略與行為策略之間的Kullback-Leibler(KL)散度作為策略目標(biāo)函數(shù)的正則化項(xiàng)來緩解分布偏移問題.但是,由于KL散度是一種無界的分布差異度量,在策略差異過大時(shí),策略目標(biāo)函數(shù)中的累積期望回報(bào)項(xiàng)將僅對(duì)策略改進(jìn)發(fā)揮有限的作用,從而導(dǎo)致最終學(xué)到的策略性能較差.針對(duì)該問題,將當(dāng)前策略與行為策略之間... （共13頁）

開通會(huì)員，享受整站包年服務(wù)
科技文檔
數(shù)學(xué) 力學(xué) 化學(xué) 金融 證券 保險(xiǎn) 投資 會(huì)計(jì) 審計(jì) 園藝 林業(yè) 旅游 體育 物理學(xué) 生物學(xué) 天文學(xué) 氣象學(xué) 海洋學(xué) 地質(zhì)學(xué) 新能源 金屬學(xué) 農(nóng)藝學(xué) 農(nóng)作物 管理學(xué) 領(lǐng)導(dǎo)學(xué) 自然科學(xué) 系統(tǒng)科學(xué) 資源科學(xué) 無機(jī)化工 有機(jī)化工 燃料化工 化學(xué)工業(yè) 材料科學(xué) 礦業(yè)工程 冶金工業(yè) 安全科學(xué) 環(huán)境科學(xué) 工業(yè)通用 機(jī)械工業(yè) 無線電子 電信技術(shù) 鐵路運(yùn)輸 汽車工業(yè) 船舶工業(yè) 動(dòng)力工程 電力工業(yè) 農(nóng)業(yè)科學(xué) 農(nóng)業(yè)工程 植物保護(hù) 動(dòng)物醫(yī)學(xué) 教育理論 學(xué)前教育 初等教育 中等教育 高等教育 職業(yè)教育 成人教育 自然地理 地球物理 經(jīng)濟(jì)統(tǒng)計(jì) 農(nóng)業(yè)經(jīng)濟(jì) 工業(yè)經(jīng)濟(jì) 交通經(jīng)濟(jì) 企業(yè)經(jīng)濟(jì) 文化經(jīng)濟(jì) 信息經(jīng)濟(jì) 貿(mào)易經(jīng)濟(jì) 財(cái)政稅收 市場(chǎng)研究 科學(xué)研究 互聯(lián)網(wǎng) 自動(dòng)化 輕工業(yè) 核科學(xué) 服務(wù)業(yè) 石油然氣 服務(wù)業(yè) 野生動(dòng)物 水產(chǎn)漁業(yè) 硬件 儀器儀表 航空航天 武器軍事 公路運(yùn)輸 水利水電 建筑科學(xué) 軟件