分层强化学习综述

• 作者: 俞扬 周文吉
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 人工智能 机器学习 强化学习 分层强化学习 深度强化学习 马尔可夫决策过程 半马尔可夫决策过程 维度灾难
• 年，卷（期）: 2017,（5）
• 页码范围: 590-594
• 页数: 5页
• 分类号: TP391
• 字数: 5210字
• 语种: 中文
• DOI: 10.11992/tis.201706031

摘要

强化学习(reinforcement learning)是机器学习和人工智能领域的重要分支,近年来受到社会各界和企业的广泛关注.强化学习算法要解决的主要问题是,智能体如何直接与环境进行交互来学习策略.但是当状态空间维度增加时,传统的强化学习方法往往面临着维度灾难,难以取得好的学习效果.分层强化学习(hierarchical reinforcement learning)致力于将一个复杂的强化学习问题分解成几个子问题并分别解决,可以取得比直接解决整个问题更好的效果.分层强化学习是解决大规模强化学习问题的潜在途径,然而其受到的关注不高.本文将介绍和回顾分层强化学习的几大类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	俞扬	南京大学软件新技术国家重点实验室	31	171	7.0	11.0
2	周文吉	南京大学软件新技术国家重点实验室	1	9	1.0	1.0