计算机科学 > 机器学习
[提交于 2025年1月15日
]
标题: 带有熵正则化的平均奖励强化学习
标题: Average-Reward Reinforcement Learning with Entropy Regularization
摘要: 平均奖励公式化强化学习(RL)近年来引起了越来越多的关注,因为它能够在不进行折扣的情况下解决时间扩展问题。 独立地,RL算法受益于熵正则化:一种用于使最优策略随机化的方法,从而对噪声更具鲁棒性。 尽管这两种方法各有优势,但文献中对熵正则化与平均奖励目标相结合的研究并不充分,且对此设置的算法开发有限。 为弥补这一领域空白,我们开发了用于解决具有函数近似的熵正则化平均奖励RL问题的算法。 我们通过实验验证了我们的方法,并在标准RL基准上将其与现有算法进行了比较。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.