基于预算强化学习的选项发现
机器学习
2017-02-23 v3 人工智能
摘要
我们考虑为强化学习学习能够发现选项的分层策略的问题，其中一个选项对应于在一组原始动作上的子策略。在过去十年中，人们提出了多种通常依赖于预定义选项集合的模型。我们专门探讨在决策过程中自动发现选项的问题。我们描述了一种名为预算选项神经网络 (Budgeted Option Neural Network, BONN) 的新学习模型，该模型能够基于预算学习目标来发现选项。BONN 模型在不同的经典 RL 问题上进行了评估，展示了兼具定量与定性的有趣结果。
引用
@article{arxiv.1611.06824,
title = {Options Discovery with Budgeted Reinforcement Learning},
author = {Aurélia Léon and Ludovic Denoyer},
journal= {arXiv preprint arXiv:1611.06824},
year = {2017}
}
备注
Under review as a conference paper at IJCAI 2017