原创力文档- 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
４２５Ｖｏｌ４２Ｎｏ５
第卷第期计算机应用研究
２０２５５ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＭａｙ２０２５
年月
一种基于确定性环境模型的离线强化学习方法
，，
汤瑞航黄初华秦进
（，５５００２５）
贵州大学计算机科学与技术学院公共大数据国家重点实验室贵阳
：，，
摘要现有的基于模型的离线强化学习方法中大多着力于研究不同形式的保守主义应用而忽略了对该类
———。，
方法至关重要的部分环境模型的研究为了补充对环境模型影响的研究提出了一种基于确定性模型的离
线强化学习算法（ｄｅｔｅｒｍｉｎｉｓｔｉｃｍｏｄｅｌｂａｓｅｄｏｆｆｌｉｎｅｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇ，ＤＭＯ）。首先，ＤＭＯ针对离线数据与在线
，ＲＬ。，ＤＭＯ
模型算法中数据特性的不一致提出了一种适合离线问题的确定性建模环境的方法其次使用转移
，
中状态动作对在分布内的程度来衡量整个转移的不确定性进而提出了基于不确定性衡量的奖励调整和模拟轨
。ＤＭＯＤ４ＲＬ。，ＤＭＯ
迹截断控制方法在的十二个机器人控制任务中进行了评估最终在所有的测试任务中在
以ＴＤ３＋ＢＣ、ＢＥＡＲ、ＣＯＭＢＯ等算法为基线的比较中实现了８．２％～３８％的平均得分提升。
：；；
关键词离线强化学习基于模型的强化学习不确定性度量
中图分类号：ＴＰ１８１文献标志码：Ａ文章编号：１００１３６９５（２０２５）０５０１０１３５２０４
ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２４．１０．０３５７
Ｄｅｔｅｒｍｉｎｉｓｔｉｃｍｏｄｅｌｂａｓｅｄｏｆｆｌｉｎｅｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇ
ＴａｎｇＲｕｉｈａｎｇ，ＨｕａｎｇＣｈｕｈｕａ，ＱｉｎＪｉｎ
（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｕｂｌｉｃＢｉｇＤａｔａ，ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＧｕｉｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｇｕｉｙａｎｇ５５００２５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＴｈｅｍａｊｏｒｉｔｙｏｆｃｕｒｒｅｎｔｍｏｄｅｌｂａｓｅｄｏｆｆｌｉｎｅＲＬａｐｐｒｏａｃｈｅｓｃｏｎｃｅｎｔｒａｔｅｏｎｒｅｆｉｎｉｎｇｖａｒｉｏｕｓｃｏｎｓｅｒｖａｔｉｖｅａｐｐｌｉｃａｔｉｏｎ
ｓｔｒａｔｅｇｉｅｓ，ｏｆｔｅｎｏｖｅｒｌｏｏｋｉｎｇａｐｉｖｏ
文档评论（0）