Jun, 2017

强化学习中基于特征空间的计数探索

TL;DR本文介绍了一种新的计数乐观探索算法,可在高维状态-动作空间中使用,并提出了一个新方法来计算泛化状态的访问次数,从而解决了限制训练经验进行广义状态估计的问题。实验表明,该算法在高维RL基准测试中取得了接近最新的结果,且计算代价较低。