面向強化學習的可解釋性研究綜述

摘要： 強化學習作為機器學習的一種范式，因其強大的策略試錯學習能力，受到關(guān)注.隨著深度學習的融入，強化學習方法在許多復雜的控制任務(wù)中取得了巨大成功.然而，深度強化學習網(wǎng)絡(luò)作為黑盒模型，其缺乏可解釋性所帶來的不安全、不可控及難理解等問題限制了強化學習在諸如自動駕駛、智慧醫(yī)療等關(guān)鍵領(lǐng)域中的發(fā)展.為了解決這一問題，科研人員開展了對強化學習可解釋性的研究.然而，這些研究開展相對較晚，且缺少針對...