利用并行与分布式计算加速深度强化学习：综述
机器学习
2024-11-11 v1 人工智能
分布式、并行与集群计算
摘要
深度强化学习在过去几年中在人工智能领域取得了突破性进展。随着深度强化学习的展开经验数据量和神经网络规模持续增长，利用并行与分布式计算处理训练过程并减少时间消耗已成为一项紧迫且必要的需求。本文对基于并行与分布式计算的深度强化学习训练加速方法进行了广泛而深入的调查，提供了该领域的全面综述，涵盖最先进的方法和核心参考文献。特别地，提供了文献分类体系，并讨论了新兴主题和开放问题。这包括学习系统架构、模拟并行性、计算并行性、分布式同步机制和深度进化强化学习。此外，我们根据促进快速开发的标准比较了16个当前开源库和平台。最后，我们推断了值得进一步研究的未来方向。
引用
@article{arxiv.2411.05614,
title = {Acceleration for Deep Reinforcement Learning using Parallel and Distributed Computing: A Survey},
author = {Zhihong Liu and Xin Xu and Peng Qiao and Dongsheng Li},
journal= {arXiv preprint arXiv:2411.05614},
year = {2024}
}
备注
This paper has been accepted by ACM Computing Surveys