具有整数动作的 Soft Actor-Critic
机器学习
2022-03-15 v2 人工智能
摘要
强化学习在离散动作下已被充分研究。整数动作设定在工业中很常见，但由于其高维性仍具挑战性。为此，我们通过将 Soft Actor-Critic (SAC) 算法与整数重参数化相结合，研究整数动作下的强化学习。关于整数动作我们的关键观察是：其离散结构可利用可比性性质而简化。因此，所提出的整数重参数化不需要 one-hot 编码且为低维。实验表明，所提出的整数动作下 SAC 在机器人控制任务上与连续动作版本表现相当，并在配电系统控制任务上优于 Proximal Policy Optimization。
引用
@article{arxiv.2109.08512,
title = {Soft Actor-Critic With Integer Actions},
author = {Ting-Han Fan and Yubo Wang},
journal= {arXiv preprint arXiv:2109.08512},
year = {2022}
}
备注
The 2022 American Control Conference (ACC)