BriefGPT.xyz
Mar, 2018
元策略梯度学习探索
Learning to Explore with Meta-Policy Gradient
HTML
PDF
Tianbing Xu, Qiang Liu, Liang Zhao, Wei Xu, Jian Peng
TL;DR
该研究论文提出了一种基于`meta-policy gradient`算法的自适应学习方法，可用于解决现有基于添加噪声的探索方法仅能探索接近actor策略的局部区域的问题，从而实现独立于actor策略的全局探索，而这对各种强化学习任务的样本效率都有相当大的提升。
Abstract
The performance of
off-policy learning
, including
deep q-learning
and deep deterministic policy gradient (
ddpg
), critically depends on the
→