PRICAI 2016国际人工智能大会论文解析 | 探索强化学习中多个动作之间的关系

导读：PRICAI 2016是环太平洋国际人工智能会议 ，每两年举行一次，大会专注于人工智能的理论，技术及其在社会领域的应用，和其对于太平洋沿岸国家经济的重要性。

探索强化学习中多个动作之间的关系（Exploring Multi-action Relationship in Reinforcement Learning）

 

摘要：很多现实生活中的强化学习问题，要求代理同时控制多个行动。在这种情况下进行学习，以前，每一个动作通常和其他动作分开处理。然而，在应用中多个行动之间几乎很少独立进行，而且利用行动之间潜在的关系，可能有助于加快学习。本文探讨了强化学习中多个行动之间的关系。我们提出执行一个正则项来捕获多行动之间的关系。我们将正则项具体化到最小二乘策略迭代和时域差分法中，这有效的解决了凸学习目标。所提出的方法已在几个领域中被证实有效。实验结果显示具体化多动作之间关系能有效提高学习性能。

作者简介

俞杨（Yang Yu）

邮箱：yuy@lamda.nju.edu.cn

职位：南京大学计算机科学与技术系副教授/LAMDA Group

研究方向：人工智能，进化的机器学习，强化学习

相关学术论文：

·High-dimensional derivative-free optimization

·Pareto optimization

 汪涵（Han Wang）

邮箱：wangh@lamda.nju.edu.cn

职位：南京大学计算机科学与技术系理科硕士/LAMDA Group

研究方面：机器学习，数据挖掘，强化学习

via：PRICAI 2016

 PS : 本文由雷锋网独家编译，未经许可拒绝转载！

 论文原文下载

雷峰网原创文章，未经授权禁止转载。详情见转载须知。