文献类型：期刊文章

作　　者：万里鹏[1] 兰旭光[1] 张翰博[1] 郑南宁[1]

WAN Lipeng;LAN Xuguang;ZHANG Hanbo;ZHENG Nanning(Institute of Artificial Intelligence and Robotics,Xi’an Jiaotong University,Xi'an 710049)

机构地区：[1]西安交通大学人工智能与机器人研究所,西安710049

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金重点项目(No.91748208);国家自然科学基金面上项目(No.61573268);国家科技部重点研发计划项目(No.2018ZX01028101);陕西省重点研发计划项目(No.2018ZDCXLGY0607);微软亚洲研究院合作项目(No.01051311120002601)资助~~

年　　份：2019

卷　　号：32

期　　号：1

起止页码：67-81

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：一方面,随着深度强化学习理论和应用研究不断深入,其在游戏、机器人控制、对话系统、自动驾驶等领域发挥重要作用;另一方面,深度强化学习受到探索-利用困境、奖励稀疏、样本采集困难、稳定性较差等问题的限制,存在很多不足.面对这些问题,研究者们提出各种各样的解决方法,新的理论进一步推动深度强化学习的发展,在弥补缺陷的同时扩展强化学习的研究领域,延伸出模仿学习、分层强化学习、元学习等新的研究方向.文中从深度强化学习的理论、困难、应用及发展前景等方面对其进行探讨.

关 键 词：深度强化学习  马尔科夫决策过程  探索-利用困境  稀疏奖励  

分 类 号：TP181]