系统工程与电子技术

作者：何立, 沈亮, 李辉, 王壮, 唐文泉

单位：1. 四川大学计算机(软件)学院, 四川 成都 610065；2. 四川大学视觉合成图形图像技术国家级重点实验室, 四川 成都 610065；3. 江西洪都航空工业集团有限责任公司, 江西 南昌 330024

关键词：强化学习,迁移学习,策略重用,任务映射

基金：”十三五”全军共用信息系统装备预研项目(31505550302)

策略重用(policy reuse, PR)作为一种迁移学习(transfer learning, TL)方法, 通过利用任务之间的内在联系, 将过去学习到的经验、知识用于加速学习当前的目标任务, 不仅能够在很大程度上解决传统强化学习(reinforcement learning, RL)收敛速度慢、资源消耗大等问题, 而且避免了在相似问题上难以复用的问题。本文综述了RL中的PR方法, 将现有方法细分为策略重构、奖励设计、问题转换、相似性度量等方面来分别介绍和分析各自的特点, 及其在多智能体场景和深度RL(deep RL, DRL)中的扩展。并且, 介绍了源和目标任务之间的映射方法。最后, 基于当前PR的应用, 叙述了该课题在未来发展方向上的一些猜想和假设。

来源：2022年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第3期