检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
机构地区:[1]中国电子科技集团公司第二十八研究所,江苏南京210007
出 处:《微电子学与计算机》2016年第6期139-142,共4页Microelectronics & Computer
摘 要:针对深度增强学习算法中探索开发策略的平衡问题,提出一种基于VDBE(Value-Difference Based Exploration)扩展的自适应探索改进算法.该算法依赖于值函数差异提出一种基于状态的探索控制策略,以达到在初始学习阶段不熟悉周围环境时agent采取积极探索策略,而随着深入学习和周边环境的熟悉,agent逐渐降低探索率的自适应探索/开发平衡的理想行为状态.To find a balance between exploration and exploitation,this paper proposes a VDBE(Value-Difference Based Exploration)based algorithm.The algorithm proposes a state-based control strategy depends on the value difference.In order to achieve the ideal exploration/exploitation behavior state,agent takes positive actions to explore environments in the initial stage of learning when agent is unfamiliar with surrounding environment.As learning time goes on and agent is more familiar with surrounding,it gradually reduces the exploration rate.
关 键 词:深度增强学习 探索/开发平衡 VDBE 自适应控制
分 类 号:TP31[自动化与计算机技术—计算机软件与理论]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.117