基于優(yōu)質(zhì)樣本篩選的離線強(qiáng)化學(xué)習(xí)算法

摘要： 針對(duì)離線強(qiáng)化學(xué)習(xí)算法過(guò)度依賴數(shù)據(jù)集樣本質(zhì)量的問(wèn)題，提出基于優(yōu)質(zhì)樣本篩選的離線強(qiáng)化學(xué)習(xí)算法.首先，在策略評(píng)估階段，賦予優(yōu)勢(shì)值的樣本更高的更新權(quán)重，并添加策略熵項(xiàng)，快速識(shí)別高質(zhì)量且在數(shù)據(jù)分布內(nèi)概率較高的動(dòng)作樣本，從而篩選更有價(jià)值的動(dòng)作樣本.在策略優(yōu)化階段，最大化歸一化優(yōu)勢(shì)函數(shù)的同時(shí)，保持對(duì)數(shù)據(jù)集上動(dòng)作的策略約束，使算法在數(shù)據(jù)集樣本質(zhì)量較低時(shí)也可高效利用優(yōu)質(zhì)樣本，提升策略的學(xué)習(xí)效率和... （共11頁(yè)）