逆强化学习算法、理论与应用研究综述
文献类型：期刊论文
| 作者 | 宋莉; 李大字; 徐昕 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2024 |
| 卷号 | 50期号:9页码:1704-1723 |
| 关键词 | 强化学习 逆强化学习 线性逆强化学习 深度逆强化学习 对抗逆强化学习 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c230081 |
| 英文摘要 | 随着高维特征表示与逼近能力的提高, 强化学习(Reinforcement learning, RL)在博弈与优化决策、智能驾驶等现实问题中的应用也取得显著进展. 然而强化学习在智能体与环境的交互中存在人工设计奖励函数难的问题, 因此研究者提出了逆强化学习(Inverse reinforcement learning, IRL)这一研究方向. 如何从专家演示中学习奖励函数和进行策略优化是一个重要的研究课题, 在人工智能领域具有十分重要的研究意义. 本文综合介绍了逆强化学习算法的最新进展, 首先介绍了逆强化学习在理论方面的新进展, 然后分析了逆强化学习面临的挑战以及未来的发展趋势, 最后讨论了逆强化学习的应用进展和应用前景. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/59433]  |
| 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 | 宋莉,李大字,徐昕. 逆强化学习算法、理论与应用研究综述[J]. 自动化学报,2024,50(9):1704-1723. |
| APA | 宋莉,李大字,&徐昕.(2024).逆强化学习算法、理论与应用研究综述.自动化学报,50(9),1704-1723. |
| MLA | 宋莉,et al."逆强化学习算法、理论与应用研究综述".自动化学报 50.9(2024):1704-1723. |
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。