文献类型：期刊文章

作　　者：赵星宇[1] 丁世飞[1,2]

ZHAO Xing-yu;DING Shi-fei(School of Computer Science and Technology,China University of Mining and Technology,Xuzhou,Jiangsu 221116,China;Key Laboratory of Intelligent Information Processing,Institute of Computing Technology,Chinese Academy of Sciences,Beijing 100190,China)

机构地区：[1]中国矿业大学计算机科学与技术学院,江苏徐州221116 [2]中国科学院计算技术研究所智能信息处理重点实验室,北京100190

出　　处：《计算机科学》

基　　金：国家自然科学基金(61379101;61672522);国家重点基础研究发展计划(2013CB329502)资助

年　　份：2018

卷　　号：45

期　　号：7

起止页码：1-6

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：作为一种崭新的机器学习方法,深度强化学习将深度学习和强化学习技术结合起来,使智能体能够从高维空间感知信息,并根据得到的信息训练模型、做出决策。由于深度强化学习算法具有通用性和有效性,人们对其进行了广泛的研究,并将其运用到了日常生活的各个领域。首先,对深度强化学习研究进行概述,介绍了深度强化学习的基础理论;然后,分别介绍了基于值函数和基于策略的深度强化学习算法,讨论了其应用前景;最后,对相关研究工作做了总结和展望。

关 键 词：深度强化学习  深度学习  强化学习  人工智能

分 类 号：TP181]