Jun, 2024
弱连接连续动作马尔可夫决策过程的深度强化学习
Deep reinforcement learning for weakly coupled MDP's with continuous actions
Francisco Robledo, Urtzi Ayesta, Konstantin Avrachenkov
TL;DR该论文介绍了用于弱耦合 MDP 问题和连续动作空间的 Lagrange 策略 (LPCA) 一种强化学习算法，它通过在神经网络框架中引入弱耦合 MDP 问题的 Lagrange 松弛来解决依赖于连续动作的资源约束挑战，并有效地解耦了 MDP，从而实现在资源受限环境中的高效策略学习。我们提出了两个 LPCA 的变体：LPCA-DE，它利用差分进化进行全局优化；LPCA-Greedy，它基于 Q 值梯度逐步贪心地选择动作。在不同设置下与其他最先进技术进行的比较分析突出了 LPCA 在资源分配管理和最大化奖励方面的鲁棒性和效率。