清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Orientation-Preserving Rewards’ Balancing in Reinforcement Learning

强化学习 计算机科学 趋同(经济学) 帕累托最优 帕累托原理 平衡(能力) 数学优化 网格 方向(向量空间) 人工智能 多目标优化 机器学习 数学 经济 物理医学与康复 医学 经济增长 几何学
作者
Jinsheng Ren,Shangqi Guo,Feng Chen
出处
期刊:IEEE transactions on neural networks and learning systems [Institute of Electrical and Electronics Engineers]
卷期号:33 (11): 6458-6472 被引量:2
标识
DOI:10.1109/tnnls.2021.3080521
摘要

Auxiliary rewards are widely used in complex reinforcement learning tasks. However, previous work can hardly avoid the interference of auxiliary rewards on pursuing the main rewards, which leads to the destruction of the optimal policy. Thus, it is challenging but essential to balance the main and auxiliary rewards. In this article, we explicitly formulate the problem of rewards’ balancing as searching for a Pareto optimal solution, with the overall objective of preserving the policy’s optimization orientation for the main rewards (i.e., the policy driven by the balanced rewards is consistent with the policy driven by the main rewards). To this end, we propose a variant Pareto and show that it can effectively guide the policy search toward more main rewards. Furthermore, we establish an iterative learning framework for rewards’ balancing and theoretically analyze its convergence and time complexity. Experiments in both discrete (grid word) and continuous (Doom) environments demonstrated that our algorithm can effectively balance rewards, and achieve remarkable performance compared with those RLs with heuristically designed rewards. In the ViZDoom platform, our algorithm can learn expert-level policies.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
顾矜应助科研通管家采纳,获得30
刚刚
8秒前
CZR123发布了新的文献求助10
22秒前
王王完成签到 ,获得积分10
43秒前
CZR123发布了新的文献求助10
1分钟前
帅气的芷文完成签到,获得积分10
1分钟前
成就的香菇完成签到,获得积分10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
ding应助科研通管家采纳,获得30
2分钟前
luo完成签到,获得积分10
2分钟前
臭鼬完成签到 ,获得积分10
2分钟前
冷静冰萍完成签到 ,获得积分10
2分钟前
汉堡包应助CZR123采纳,获得10
3分钟前
一剑白发布了新的文献求助10
3分钟前
科研通AI6.2应助一剑白采纳,获得10
3分钟前
鸡鸡大魔王完成签到,获得积分10
3分钟前
NexusExplorer应助一剑白采纳,获得10
3分钟前
3分钟前
CZR123发布了新的文献求助10
3分钟前
3分钟前
3分钟前
一剑白发布了新的文献求助10
3分钟前
3分钟前
一剑白发布了新的文献求助10
3分钟前
充电宝应助CZR123采纳,获得30
3分钟前
蓝意完成签到,获得积分0
3分钟前
哈哈发布了新的文献求助10
3分钟前
JamesPei应助科研通管家采纳,获得30
4分钟前
科研通AI6.1应助一剑白采纳,获得10
4分钟前
4分钟前
王一一完成签到,获得积分10
4分钟前
螺丝炒钉子完成签到,获得积分10
4分钟前
王一一发布了新的文献求助10
4分钟前
4分钟前
4分钟前
一剑白发布了新的文献求助10
4分钟前
4分钟前
CZR123发布了新的文献求助30
4分钟前
一剑白发布了新的文献求助10
5分钟前
bb完成签到,获得积分10
5分钟前
高分求助中
论现代体育科学研究的方法学特征 1000
Invited Discussant 63O and 64O 1000
Ideology and Meaning-Making under the Putin Regime 750
Safety Pharmacology 500
《KNN基无铅压电陶瓷电学性能优化与物理机理研究》 500
Petrology and Plate Tectonics 500
A Handbook of User Experience Research & Design in Libraries 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 计算机科学 化学工程 生物化学 物理 内科学 复合材料 催化作用 光电子学 物理化学 电极 细胞生物学 基因 遗传学
热门帖子
关注 科研通微信公众号,转发送积分 6911320
求助须知:如何正确求助?哪些是违规求助? 8603730
关于积分的说明 18258697
捐赠科研通 6320153
什么是DOI,文献DOI怎么找? 3066596
关于科研通互助平台的介绍 2092216
邀请新用户注册赠送积分活动 2043897