本发明公开了一种基于对抗架构的强化学习方法,本发明相比传统的离散强化学习算法,我们的方法引入对抗架构和目标神经网络。对抗架构使得算法无须直接对动作价值函数Q进行预测,而是可以将该价值函数分解为状态价值函数V(s)和优势函数A(s,a)之和。这种架构可以增强价值函数预测的准确性,并且对于动作选择造成的价值函数变化更加敏感,可以加速算法的收敛。而使用目标网络作为目标价值函数的评估网络,有效降低了对于动作价值函数预测过的估计风险,使得价值函数的预测更加准确,提升了算法的鲁棒性。
声明:
“基于对抗架构的强化学习方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)