深度强化学习 versus 进化策略：一项比较综述
机器学习
2021-10-05 v1 人工智能
摘要
深度强化学习（DRL）与进化策略（ESs）已在许多序贯决策问题中超越人类水平控制，但许多开放性挑战依然存在。为深入理解 DRL 与 ESs 的优势与不足，本文对其各自的能力与局限进行了分析。在介绍其基本概念与算法之后，从可扩展性、探索性、对动态环境的适应性以及多智能体学习等关键方面进行了比较。随后，强调了结合 DRL 与 ESs 概念的混合算法所带来的益处。最后，为指示它们在现实应用中的比较情况，对所支持应用集合的文献进行了综述。
引用
@article{arxiv.2110.01411,
title = {Deep Reinforcement Learning Versus Evolution Strategies: A Comparative Survey},
author = {Amjad Yousef Majid and Serge Saaybi and Tomas van Rietbergen and Vincent Francois-Lavet and R Venkatesha Prasad and Chris Verhoeven},
journal= {arXiv preprint arXiv:2110.01411},
year = {2021}
}