问题设定驱动的深度强化学习研究:综述

摘要：

深度强化学习结合深度模型,广泛应用于智能控制、游戏竞技等领域.然而,现有强化学习的文献综述更多以某一难点为主深入梳理具体的方法技术,缺乏以问题本身为主的整体分析视角.现实问题总是混杂多个技术难点,而致力于解决单一难点的技术方法往往在具体问题场景上性能不及预期.因此,文中从智能体、任务、马尔可夫决策过程、策略类型、学习目标、交互模式这六大对象对问题设定进行定义,并以问题自身的设定为驱动,从整体上分析深度强化学习的研究现状、基础设定及其延伸设定.再梳理深度强化学习的发展脉络,分析关键技术和背后的主要动机.然后,以专家交互这类问题设定为例,提供一个以具体问题驱动的技术视角去整体看待该领域的发展趋势.最后介绍当前的研究热点并展望今后的研究方向.

关键词：人工智能、深度强化学习、问题设定、智能控制

所属期刊栏目：35

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划;国家自然科学基金;教育部科技创新专项项目

在线出版日期：2022-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共25页

页码：718-742