Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2402.00313

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2402.00313 (cs)
[提交于 2024年2月1日 ]

标题: 随机环境中带有延迟的控制:基于模型的强化学习方法

标题: Control in Stochastic Environment with Delays: A Model-based Reinforcement Learning Approach

Authors:Zhiyuan Yao, Ionut Florescu, Chihoon Lee
摘要: 本文介绍了一种针对延迟反馈环境中的控制问题的新强化学习方法。具体而言,我们的方法采用随机规划,而之前的许多方法则使用确定性规划。 这种方法使我们能够在策略优化问题中嵌入风险偏好。 我们证明了这种公式可以恢复具有确定性转换的问题的最优策略。 我们将我们的策略与文献中的两种先前方法进行了对比。 我们将该方法应用于简单任务以了解其特性。 然后,我们比较了这些方法在控制多个Atari游戏时的表现。
摘要: In this paper we are introducing a new reinforcement learning method for control problems in environments with delayed feedback. Specifically, our method employs stochastic planning, versus previous methods that used deterministic planning. This allows us to embed risk preference in the policy optimization problem. We show that this formulation can recover the optimal policy for problems with deterministic transitions. We contrast our policy with two prior methods from literature. We apply the methodology to simple tasks to understand its features. Then, we compare the performance of the methods in controlling multiple Atari games.
评论: 待审核
主题: 机器学习 (cs.LG) ; 系统与控制 (eess.SY)
引用方式: arXiv:2402.00313 [cs.LG]
  (或者 arXiv:2402.00313v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2402.00313
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zhiyuan Yao [查看电子邮件]
[v1] 星期四, 2024 年 2 月 1 日 03:53:56 UTC (10,847 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-02
切换浏览方式为:
cs
cs.LG
cs.SY
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号