强化学习：聚焦调整策略以到达目标

强化学习智能体的目标是通过探索发现更好的动作。然而，典型的探索技术旨在最大化奖励，往往在探索和学习过程中造成高额成本。我们提出了一种新颖的深度强化学习方法，优先实现某一期望水平，而非最大化预期回报。该方法可灵活根据目标实现比例调整探索程度。通过在运动控制任务和导航任务上的实验，本方法的回报等于或超过其他标准方法。分析结果表明：我们的 метод可灵活调整探索范围，且有望使智能体适应非平稳环境。这些发现表明，该方法在提高强化学习实际应用中的探索效率方面可能具有有效性。