模型化强化学习研究综述

摘要：

深度强化学习(DRL)作为机器学习的重要分支,在AlphaGo击败人类后受到了广泛关注.DRL以一种试错机制与环境进行交互,并通过最大化累积奖赏最终得到最优策略.强化学习可分为无模型强化学习和模型化强化学习.无模型强化学习方法的训练过程需要大量样本,当采样预算不足,无法收集大量样本时,很难达到预期效果.然而,模型化强化学习可以充分利用环境模型,降低真实样本需求量,在一定程度上提高样本效率.将以模型化强化学习为核心,介绍该领域的研究现状,分析其经典算法,并探讨未来的发展趋势和应用前景.

关键词：深度强化学习(DRL)、模型化强化学习、状态转移模型、样本利用率

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61976156, 11803022, 61702367 国家自然科学基金;the Sci-entific Research Project of Tianjin Education Committee under Grant No. 2017KJ034 天津市教委科研计划项目

在线出版日期：2020-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：918-927