分层强化学习综述

摘要：

强化学习(reinforcement learning)是机器学习和人工智能领域的重要分支,近年来受到社会各界和企业的广泛关注.强化学习算法要解决的主要问题是,智能体如何直接与环境进行交互来学习策略.但是当状态空间维度增加时,传统的强化学习方法往往面临着维度灾难,难以取得好的学习效果.分层强化学习(hierarchical reinforcement learning)致力于将一个复杂的强化学习问题分解成几个子问题并分别解决,可以取得比直接解决整个问题更好的效果.分层强化学习是解决大规模强化学习问题的潜在途径,然而其受到的关注不高.本文将介绍和回顾分层强化学习的几大类方法.

关键词：人工智能、机器学习、强化学习、分层强化学习、深度强化学习、马尔可夫决策过程、半马尔可夫决策过程、维度灾难

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61375061;江苏省自然科学基金项目BK20160066

在线出版日期：2017-12-18（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：590-594