摘要强化学习是学习环境状态到动作的一种映射并且能够获得最大.PDFVIP

第40 卷 计 算 机 学 报 Vol. 40 2017 年 论文在线出版号 No.1 CHINESE JOURNAL OF COMPUTERS Online Publishing No. 1 深度强化学习综述 刘 全+ 翟建伟 章宗长 钟珊 周 倩 章 鹏 徐 进 1)(苏州大学计算机科学与技术学院 江苏 苏州 215006) 2)(软件新技术与产业化协同创新中心 南京 210000) 摘 要 深度强化学习是人工智能领域的一个新的研究热点．它以一种通用的形式将深度学习的感知能力与强化学习的决 策能力相结合，并能够通过端对端的学习方式实现从原始输入到输出的直接控制．自提出以来，在许多需要感知高维度原 始输入数据和决策控制的任务中，深度强化学习方法已经取得了实质性的突破．该文首先阐述了 3 类主要的深度强化学习 方法，包括基于值函数的深度强化学习、基于策略梯度的深度强化学习和基于搜索与监督的深度强化学习；其次对深度强 化学习领域的一些前沿研究方向进行了综述，包括分层深度强化学习、多任务迁移深度强化学习、多智能体深度强化学 习、基于记忆与推理的深度强化学习等．最后总结了深度强化学习在若干领域的成功应用和未来发展趋势． 关键词 人工智能；深度学习；强化学习；深度强化学习 中图法分类号 TP18 论文引用格式： 刘全,翟建伟,章宗长,钟珊,周倩,章鹏,徐进,深度强化学习综述,2017，Vol.40,在线出版号 No.1 LIU Quan, ZHAI Jian-Wei, ZHANG Zong-Zhang, ZHONG Shan, ZHOU Qian, ZHANG Peng, XU Jin, A Survey on Deep Reinforcement Learning, 2017,Vol.40,Online Publishing No.1 A Survey on Deep Reinforcement Learning LIU Quan ZHAI Jian-Wei ZHANG Zong-Zhang ZHONG Shan ZHOU Qian ZHANG Peng XU Jin 1)(School of Computer Science and Technology, Soochow University, Suzhou, Jiangsu 215006) 2)(Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210000) Abstract Deep reinforcement learning (DRL) is a new research hotspot in the artificial intelligence community. By using a general-purpose form, DRL integrates the advantages of the perception of deep learning (DL) and the decision making of reinforcement learning (RL), and gains the output control directly based on raw inputs by the end-to-end learning process. DRL has made substantial breakthroughs in a variety of tasks requiring both rich perceptio