深度强化学习进展:从AlphaGo到AlphaGo Zero

• 作者: 唐振韬 朱圆恒 赵冬斌 邵坤
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 深度强化学习 AlphaGoZero 深度学习 强化学习 人工智能
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 综述与评论
• 页码范围: 1529-1546
• 页数: 18页
• 分类号: TP273
• 字数: 21251字
• 语种: 中文
• DOI: 10.7641/CTA.2017.70808

摘要

2016年初,AlphaGo战胜李世石成为人工智能的里程碑事件.其核心技术深度强化学习受到人们的广泛关注和研究,取得了丰硕的理论和应用成果.并进一步研发出算法形式更为简洁的AlphaGo Zero,其采用完全不基于人类经验的自学习算法,完胜AlphaGo,再一次刷新人们对深度强化学习的认知.深度强化学习结合了深度学习和强化学习的优势,可以在复杂高维的状态动作空间中进行端到端的感知决策.本文主要介绍了从AlphaGo到Alpha-Go Zero的深度强化学习的研究进展.首先回顾对深度强化学习的成功作出突出贡献的主要算法,包括深度Q网络算法、A3C算法、策略梯度算法及其他算法的相应扩展.然后给出AlphaGo Zero的详细介绍和讨论,分析其对人工智能的巨大推动作用.并介绍了深度强化学习在游戏、机器人、自然语言处理、智能驾驶、智能医疗等领域的应用进展,以及相关资源进展.最后探讨了深度强化学习的发展展望,以及对其他潜在领域的人工智能发展的启发意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵冬斌	中国科学院自动化研究所复杂系统管理与控制国家重点实验室	58	1184	19.0	32.0
2	唐振韬	中国科学院自动化研究所复杂系统管理与控制国家重点实验室	1	51	1.0	1.0
3	邵坤		1	51	1.0	1.0
4	朱圆恒		2	56	2.0	2.0