演员评论家方法损失景观的可视化及其在库存优化中的应用
机器学习
2020-09-08 v1 机器学习
摘要
连续控制是强化学习中应用广泛的领域。该领域的主角是演员评论家方法，其通常做法是利用神经逼近器的策略梯度。我们研究的重点是展示作为优化核心的演员损失函数的特征。我们利用损失函数的低维可视化，并对多种算法的损失景观进行比较。此外，我们将该方法应用于多仓动态库存控制——供应链运营中 notoriously 困难的问题——并探究与最优策略相关的损失函数形状。我们使用强化学习对问题建模并求解，同时使损失景观有利于最优性。
引用
@article{arxiv.2009.02391,
title = {Visualizing the Loss Landscape of Actor Critic Methods with Applications in Inventory Optimization},
author = {Recep Yusuf Bekci and Mehmet Gümüş},
journal= {arXiv preprint arXiv:2009.02391},
year = {2020}
}