面向含实时信息绿色安全博弈的可解释深度强化学习方法
机器学习
2022-11-10 v1 人工智能
摘要
含实时信息的绿色安全博弈（GSG-I）在典型 GSG 形式中加入了关于智能体运动的实时信息。先前关于 GSG-I 的工作使用深度强化学习（DRL）来学习该环境中智能体的最优策略，而无需为 GSG-I 存储海量状态表示。然而，DRL 方法的决策过程在很大程度上是不透明的，这导致其预测缺乏可信度。为解决此问题，我们提出一种针对 GSG-I 的可解释 DRL 方法，该方法生成可视化以解释 DRL 算法所采取的决策。我们还表明，与现有方法相比，该方法性能更优，且能在更简单的训练机制下良好工作。
引用
@article{arxiv.2211.04987,
title = {Interpretable Deep Reinforcement Learning for Green Security Games with Real-Time Information},
author = {Vishnu Dutt Sharma and John P. Dickerson and Pratap Tokekar},
journal= {arXiv preprint arXiv:2211.04987},
year = {2022}
}