基于增量式相似度的样本评估方法

摘要：

现有的强化学习算法存在样本利用率低的问题,导致智能体寻找最优策略的能力下降.为解决这个问题,提出了基于增量式相似度的样本评估方法.设计了一个状态新颖度度量方法和一个样本价值评价函数.计算新状态与基准状态之间的相似度,基于状态的相似度计算状态的新颖程度,再增量式更新基准状态,直到训练结束.计算样本价值时,将状态的新颖程度考虑在内,再针对样本奖励值是否大于零分别进行计算.最后根据其样本价值结合排名选择和随机选择进行采样.该方法在Playing Atari 2600的控制问题中取得了更高的奖励值,说明该方法缓解了样本利用率低的问题,且通过增量式计算相似度减少了计算量.

关键词：强化学习、样本利用率、样本评价、增量式、相似度

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;贵州省科学技术基金资助项目

在线出版日期：2021-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1963-1966