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
软件学报ISSN1000-9825,CODENRUXUEWE-mail:jos@iscas.
JournalofSoftware,2024,35(4):1618−1650[doi:10.13328/ki.jos.007011]http://www.jos.
©中国科学院软件研究所版权所有.Tel:+86-10
∗
元强化学习研究综述
1,21,231,2
陈奕宇,霍静,丁天雨,高阳
1(南京大学计算机科学与技术系,江苏南京210043)
2(计算机软件新技术国家重点实验室(南京大学),江苏南京210043)
3(AppliedSciencesGroup,Microsoft,Redmond,WA98034,USA)
通信作者:高阳,E-mail:gaoy@
摘要:近年来,深度强化学习(deepreinforcementlearning,DRL)已经在诸多序贯决策任务中取得瞩目成功,但当
前,深度强化学习的成功很大程度依赖于海量的学习数据与计算资源,低劣的样本效率和策略通用性是制约其进
一步发展的关键因素.元强化学习(meta-reinforcementlearning,Meta-RL)致力于以更小的样本量适应更广泛的任
务,其研究有望缓解上述限制从而推进强化学习领域发展.以元强化学习工作的研究对象与适用场景为脉络,对
元强化学习领域的研究进展进行了全面梳理:首先,对深度强化学习、元学习背景做基本介绍;然后,对元强化学
习作形式化定义及常见的场景设置总结,并从元强化学习研究成果的适用范围角度展开介绍元强化学习的现有研
究进展;最后,分析了元强化学习领域的研究挑战与发展前景.
关键词:元强化学习;强化学习;深度强化学习;元学习
中图法分类号:TP18
中文引用格式:陈奕宇,霍静,丁天雨,高阳.元强化学习研究综述.软件学报,2024,35(4):1618−1650..
cn/1000-9825/7011.htm
英文引用格式:ChenYY,HuoJ,DingTY,GaoY.SurveyofMeta-reinforcementLearningResearch.RuanJianXueBao/Journalof
Software,2024,35(4):1618−1650(inChinese).http://www.jos./1000-9825/7011.htm
SurveyofMeta-reinforcementLearningResearch
1,21,231,2
CHENYi-Yu,HUOJing,DINGTian-Yu,GAOYang
1(DepartmentofComputerScienceandTechnology,NanjingUniversity,Nanjing210043,China)
2(StateKeyLaboratoryforNovelSoftwareTechnology(NanjingUniversity),Nanjing210043,China)
3(AppliedSciencesGrou
文档评论（0）