摘要
深度强化学习主要被用来处理感知-决策问题,已经成为人工智能领域重要的研究分支。概述了基于值函数和策略梯度的两类深度强化学习算法,详细阐述了深度Q网络、深度策略梯度及相关改进算法的原理,并综述了深度强化学习在视频游戏、导航、多智能体协作以及推荐系统等领域的应用研究进展。最后,对深度强化学习的算法和应用进行展望,针对一些未来的研究方向和研究热点给出了建议。
Deep reinforcement learning(DRL)is mainly applied to solve the perception-decision problem,and has become an important research branch in the field of artificial intelligence.Two kinds of DRL algorithms based on value function and policy gradient were summarized,including deep Q network,policy gradient as well as related developed algorithms.In addition,the applications of DRL in video games,navigation,multi-agent cooperation and recommendation field were intensively reviewed.Finally,a prospect for the future research of DRL was made,and some research suggestions were given.
作者
刘朝阳
穆朝絮
孙长银
LIU Zhaoyang;MU Chaoxu;SUN Changyin(School of Electrical and Information Engineering,Tianjin University,Tianjin 300072,China;School of Automation,Southeast University,Nanjing 210096,China)
出处
《智能科学与技术学报》
2020年第4期314-326,共13页
Chinese Journal of Intelligent Science and Technology
基金
国家自然科学基金资助项目(No.61773284)
关键词
人工智能
深度强化学习
值函数
策略梯度
导航
协作
复杂环境
泛化性
鲁棒性
artificial intelligence
deep reinforcement learning
value function
policy gradient
navigation
cooperation
complex environment
generalization
robustness
作者简介
刘朝阳(1996−),男,天津大学电气自动化与信息工程学院博士生,主要研究方向为强化学习、多智能体强化学习;通信作者:穆朝絮(1984−),女,博士,天津大学电气自动化与信息工程学院教授,主要研究方向为强化学习、自适应学习系统、非线性控制和优化,cxmu@tju.edu.cn;孙长银(1975−),男,博士,东南大学自动化学院教授,中国自动化学会会士,中国自动化学会人工智能与机器人教育专业委员会主任。主要研究方向为智能控制与优化、强化学习、神经网络、数据驱动控制。担任IEEE Transactions on Neural Networks and Learning Systems、IEEE/CAA Journal of Automatica Sinica、《自动化学报》《控制理论与应用》《智能科学与技术学报》等高质量学术期刊编委。2011年获得国家杰出青年科学基金。“智能机器人感知与控制”江苏高等学校优秀科技创新团队带头人,2016年全国优秀科技工作者,第三批国家“万人计划”科技创新领军人才,中国科学技术协会第九次全国代表大会代表,“自主无人系统协同控制理论及应用”国家自然科学基金委员会创新研究群体学术带头人,科学技术部科技创新2030—“新一代人工智能”重大项目“人在回路的混合增强智能”首席科学家,江苏省前沿引领技术基础研究专项领衔科学家。
