计算机应用研究

作者：曾睿,周建,刘满禄,张俊俊,陈卓,

单位：西南科技大学a.制造科学与工程学院;b.特殊环境机器人技术四川省重点实验室;c.信息工程学院,四川绵阳621000；

关键词：深度强化学习,双Q网络学习,actor-critic框架,迁移学习,

基金：国家“十三五”核能开发项目(20161295)；国家科技重大专项资助项目(2019ZX06002022)；；

深度强化学习在训练过程中会探索大量环境样本，造成算法收敛时间过长，而重用或传输来自先前任务（源任务）学习的知识，对算法在新任务（目标任务）的学习具有提高算法收敛速度的潜力。为了提高算法学习效率，提出一种双Q网络学习的迁移强化学习算法，其基于actor-critic框架迁移源任务最优值函数的知识，使目标任务中值函数网络对策略作出更准确的评价，引导策略快速向最优策略方向更新。将该算法用于Open AI Gym以及在三维空间机械臂到达目标物位置的实验中，相比于常规深度强化学习算法取得了更好的效果，实验证明提出的双Q网络学习的迁移强化学习算法具有较快的收敛速度，并且在训练过程中算法探索更加稳定。

来源：2021年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第6期