机构名称：
¥ 5.0
本文使用背面计划研究了一种新的基于模型的强化学习方法：混合（近似）动态编程更新和无模型更新，类似于DYNA架构。带有学习模型的背景计划通常比无模型的替代方案（例如Double DQN）差，即使前者使用的记忆和计算更大。基本问题是，学到的模拟可能是不准确的，并且经常会产生无效的状态，尤其是在迭代许多步骤时。在本文中，我们通过将背景计划限制为一组（摘要）子目标，并仅学习本地，子观念模型来避免这种限制。这种目标空间计划（GSP）方法在计算上更有效，自然地包含了时间抽象，以进行更快的长途径计划，并避免完全学习过渡动态。我们表明，我们的GSP算法可以从抽象空间中传播价值，以帮助各种基础学习者在不同的域中更快地学习显着的速度。关键字：基于模型的增强学习，时间抽象，计划
使用亚目标模型的目标空间计划
主要关键词
相关文件推荐
