MDP设计对资源管理中的强化学习智能体之影响
人工智能
2021-09-08 v1
摘要
近期强化学习在资源管理中的应用进展提出了若干MDP，但缺乏对设计决策对智能体性能影响的深入分析。本文对比并剖析了四种不同的MDP变体，通过实证分析讨论它们的计算需求及对智能体性能的影响。我们最后表明，在实验中，当使用多层感知机作为逼近函数时，紧凑的状态表示能够实现智能体在环境间的迁移，且迁移后的智能体性能良好，并在80%的测试场景中无需重新训练即优于专用智能体。
引用
@article{arxiv.2109.03202,
title = {On the impact of MDP design for Reinforcement Learning agents in Resource Management},
author = {Renato Luiz de Freitas Cunha and Luiz Chaimowicz},
journal= {arXiv preprint arXiv:2109.03202},
year = {2021}
}
备注
15 pages, 6 figures. Accepted for publication at BRACIS 2021