一种深度Q网络的改进算法.PDFVIP

下载本文档

3
0
约4.33万字
约 8页
2019-03-22 发布于山东
举报
版权申诉

一种深度Q网络的改进算法.PDF

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

———————————————————————————————————————————————— 一种深度Q 网络的改进算法作者夏宗涛，秦进机构贵州大学计算机科学与技术学院 DOI 10.3969/j.issn.1001-3695.2018.07.0417 基金项目国家自然科学基金预排期卷《计算机应用研究》2019 年第36 卷第12 期摘要深度Q 网络存在严重的过估计问题，导致智能体寻找最优策略的能力下降。为了缓解深度Q 网络中存在的过估计问题，提出一个更正函数用于对深度Q 网络中的评价函数进行改进，当选择的动作为最优动作时更正函数为 1，不对当前状态—动作值进行修改，当选择的动作不是最优动作时更正函数小于 1，缩小当前状态—动作值，从而使得最优状态—动作值与非最优状态—动作值的差异增大，减少过估计问题的影响。实验证明改进的算法在 Playing Atari 2600 视频游戏以及OpenAI Gym 中取得了更好的性能。说明改进的算法比深度Q 网络寻得了更优的策略。关键词深度Q 网络；过估计问题；更正函数；状态-动作值作者简介夏宗涛（1993-），男，山东省临沂市人，硕士研究生，主要研究方向为机器学习强化学习､（xiazongtao11@163.com）；秦进（1978-），男，贵州省黔西人，博士，副教授，主要研究方向为智能计算．中图分类号 TP301.6 访问地址 /article/02-2019-12-049.html 投稿日期 2018 年7 月25 日修回日期 2018 年9 月6 日发布日期 2018 年10 月9 日引用格式夏宗涛, 秦进. 一种深度 Q 网络的改进算法[J/OL]. 2019, 36(12). [2018-10-09]. /article/02-2019-12-049.html. 36 12 Vol. 36 No. 12 第卷第期计算机应用研究录用定稿 Application Research of Computers Accepted Paper Q * 一种深度网络的改进算法夏宗涛，秦进 (贵州大学计算机科学与技术学院, 贵阳 550025) Q Q 摘要：深度网络存在严重的过估计问题，导致智能体寻找最优策略的能力下降。为了缓解深度网络中存在的过 Q 1 估计问题，提出一个更正函数用于对深度网络中的评价函数进行改进，当选择的动作为最优动作时更正函数为，