基于深度强化学习的适应与泛化方法综述
机器学习
2022-02-18 v1 人工智能
摘要
深度强化学习（DRL）旨在创建能在真实世界环境中高效学习解决复杂问题的智能体。通常，适应（adaptation）与泛化（generalization）这两个学习目标被用于在不同任务和领域上衡量 DRL 算法的性能基准。本文综述了近期基于 DRL 的适应与泛化方法的发展。我们首先在任务与领域的背景下形式化这些目标，随后回顾这些方向下的近期工作，并讨论未来研究方向，以期提升 DRL 算法的适应性与泛化能力，并使其有可能应用于广泛的真实世界问题。
引用
@article{arxiv.2202.08444,
title = {A Survey on Deep Reinforcement Learning-based Approaches for Adaptation and Generalization},
author = {Pamul Yadav and Ashutosh Mishra and Junyong Lee and Shiho Kim},
journal= {arXiv preprint arXiv:2202.08444},
year = {2022}
}