基于自适应噪声的最大熵进化强化学习方法
文献类型：期刊论文
| 作者 | 王君逸; 王志; 李华雄; 陈春林 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2023 |
| 卷号 | 49期号:1页码:54-66 |
| 关键词 | 深度强化学习 进化策略 进化强化学习 最大熵 自适应噪声 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c220103 |
| 英文摘要 | 近年来,进化策略由于其无梯度优化和高并行化效率等优点,在深度强化学习领域得到了广泛的应用.然而,传统基于进化策略的深度强化学习方法存在着学习速度慢、容易收敛到局部最优和鲁棒性较弱等问题.为此,提出了一种基于自适应噪声的最大熵进化强化学习方法.首先,引入了一种进化策略的改进办法,在“优胜”的基础上加强了“劣汰”,从而提高进化强化学习的收敛速度;其次,在目标函数中引入了策略最大熵正则项,来保证策略的随机性进而鼓励智能体对新策略的探索;最后,提出了自适应噪声控制的方式,根据当前进化情形智能化调整进化策略的搜索范围,进而减少对先验知识的依赖并提升算法的鲁棒性.实验结果表明,该方法较之传统方法在学习速度、最优性收敛和鲁棒性上有比较明显的提升. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56208]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 王君逸,王志,李华雄,等. 基于自适应噪声的最大熵进化强化学习方法[J]. 自动化学报,2023,49(1):54-66. |
| APA | 王君逸,王志,李华雄,&陈春林.(2023).基于自适应噪声的最大熵进化强化学习方法.自动化学报,49(1),54-66. |
| MLA | 王君逸,et al."基于自适应噪声的最大熵进化强化学习方法".自动化学报 49.1(2023):54-66. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。