重复利用状态值的竞争深度Q网络算法

摘要：

在使用反距离加权法(Inverse Distance Weighted method,IDW)对土壤重金属含量进行预测时,算法中的超参数一般由先验知识确定,一定程度上存在不确定性.针对这一问题,提出了一种状态值再利用的竞争深度Q学习网络算法以精确估计IDW的超参数.该算法在训练时,将每轮训练样本中的奖励值进行标准化后,与Dueling-DQN中Q网络的状态值结合形成新的总奖励值,然后将总奖励值输入到Q网络中进行学习,从而增强了状态与动作的内在联系,使算法更加稳定.最后使用该算法在IDW上进行超参数学习,并与几种常见强化学习算法进行对比实验.实验表明,提出的RSV-DuDQN算法可以使模型更快收敛,同时提升了模型的稳定性,还可以更准确地得到IDW的参数估计.

关键词：状态值重利用、竞争深度Q学习网络、反距离加权法、超参数搜索

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目;湖北省重大科技专项资助项目;湖北省自然科学基金青年项目;武汉轻工大学引进培养人才科研启动项目

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：134-140