机构名称：
¥ 1.0
近年来，量子计算技术的发展已经大大提高，这与深度强化学习技术的进步相似。这项工作探讨了量子计算促进加强学习问题的潜力。量子计算方法为传统算法提供了重要的时间和空间复杂性，因为它可以利用超级宽容和纠缠的量子现象的能力。特别是我们研究了量子变异电路的使用，这是一种量子机学习的形式。我们介绍了用于编码量子变异电路的经典数据的技术，我们进一步探索了DQN和Double DQN的纯和混合量子算法。我们的结果表明，混合动力和纯量子变异电路具有较小的参数空间来求解加强学习任务的能力。这些比较与两个OpenAi健身环境：Cartpole和二十一点，这项工作的成功表明了量子机器学习与深度强化学习之间的牢固未来关系。
使用量子变异电路的加固学习
主要关键词
相关文件推荐
