-
题名强化学习中动态ε的贪婪探索策略
- 1
-
-
作者
孔燕
曹俊豪
杨智超
芮烨锋
-
机构
南京信息工程大学计算机学院
南京信息工程大学数字取证教育部工程研究中心
-
出处
《信息技术》
2024年第7期60-64,70,共6页
-
基金
国家自然科学基金(61602254)。
-
文摘
随着强化学习领域的成熟,ε-贪婪方法被广泛运用在强化学习中,例如深度Q网络。但是,对于ε-贪婪方法每次选择动作,它有一定概率选择非最优的动作,导致不断探索。在此背景下,提出了一种动态ε-贪婪方法(DEG)和Dueling Actor-Critic框架(ACDD),能够平衡强化学习中的探索和利用问题。DEG将状态输入到ACDD框架得到优势值来自动调整ε的值,从而保持探索和利用之间的更好平衡。该实验在多臂老虎机任务中对DEG进行测试,将累计平均奖励和最优动作选择率作为评估标准。与一些广泛使用的方法相比,DEG可以达到更高的平均累积奖励和最优动作选择率,并提高了性能。
-
关键词
深度强化学习
探索和利用
动态化ε
Dueling
Actor-Critic框架
多臂老虎机
-
Keywords
deep reinforcement learning
exploration and exploitation
dynamicε
Dueling Actor-Critic framework
Multi-Armed Bandit
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
