PAC 模型无关强化学习中的定向探索
机器学习
2018-09-03 v1 机器学习
摘要
我们研究一种模型无关强化学习（RL）的探索方法，它推广了基于计数的探索奖励方法，并考虑动作的长期探索价值而非单步前瞻。我们提出一种模型无关 RL 方法，改进了 Delayed Q-learning 并利用具有可证明效率的长期探索奖励。我们证明所提方法在多项式时间内（PAC-MDP）找到近最优策略，并提供实验证据表明所提算法是一种高效的探索方法。
引用
@article{arxiv.1808.10552,
title = {Directed Exploration in PAC Model-Free Reinforcement Learning},
author = {Min-hwan Oh and Garud Iyengar},
journal= {arXiv preprint arXiv:1808.10552},
year = {2018}
}