双Q网络学习的迁移强化学习算法

摘要：

深度强化学习在训练过程中会探索大量环境样本,造成算法收敛时间过长,而重用或传输来自先前任务(源任务)学习的知识,对算法在新任务(目标任务)的学习具有提高算法收敛速度的潜力.为了提高算法学习效率,提出一种双Q网络学习的迁移强化学习算法,其基于actor-critic框架迁移源任务最优值函数的知识,使目标任务中值函数网络对策略作出更准确的评价,引导策略快速向最优策略方向更新.将该算法用于Open AI Gym以及在三维空间机械臂到达目标物位置的实验中,相比于常规深度强化学习算法取得了更好的效果,实验证明提出的双Q网络学习的迁移强化学习算法具有较快的收敛速度,并且在训练过程中算法探索更加稳定.

关键词：深度强化学习、双Q网络学习、actor-critic框架、迁移学习

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：核能开发项目;国家科技重大专项

在线出版日期：2021-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1699-1703