Multi-critic DDPG Method and Double Experience Replay

强化学习 理论(学习稳定性) 计算机科学 过程(计算) 人工智能 机器学习 操作系统
作者
Jiao Wu,Rui Wang,Ruiying Li,Hui Zhang,Xiaohui Hu
标识
DOI:10.1109/smc.2018.00039
摘要

The remarkable Deep Deterministic Policy Gradient (DDPG) reinforcement learning method commonly consists of actor learning and critic learning. The actor learning highly relies on the critic learning, which makes the performance of DDPG method rather sensitive to critic learning and leads to stability issues. To further improve the stability and performance of DDPG method, the multi-critic DDPG method (MCDDPG) is proposed for a reliable critic learning. The average value of multiple critics is used to replace the single critic in DDPG method for better resistance when one critic performs badly, and multiple independent critics can learn knowledges from environment more widely. Besides, an extension of experience replay mechanism is revealed for accelerating the training process. All the methods are tested on simulated environments in OpenAI Gym platform, and convincing experiment results are obtained to support the proposed methods.
最长约 10秒,即可获得该文献文件

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
王翎力完成签到,获得积分10
2秒前
ES完成签到 ,获得积分0
3秒前
6秒前
甜甜灵槐完成签到 ,获得积分10
8秒前
乌苏完成签到 ,获得积分10
10秒前
czzlancer完成签到,获得积分10
11秒前
meimale完成签到,获得积分10
12秒前
qiancib202完成签到,获得积分10
16秒前
勤恳的雪卉完成签到,获得积分0
16秒前
猫的毛完成签到 ,获得积分10
20秒前
火星仙人掌完成签到 ,获得积分10
30秒前
onevip完成签到,获得积分0
33秒前
易水完成签到 ,获得积分10
36秒前
38秒前
研友_GZ3zRn完成签到 ,获得积分0
39秒前
tao完成签到 ,获得积分10
40秒前
40秒前
luoyukejing完成签到,获得积分10
50秒前
飞龙在天完成签到,获得积分0
52秒前
SCI的芷蝶完成签到 ,获得积分10
53秒前
liguanyu1078完成签到,获得积分10
54秒前
leaolf完成签到,获得积分10
56秒前
jasmine发布了新的文献求助10
1分钟前
Golden完成签到,获得积分10
1分钟前
你好呀嘻嘻完成签到 ,获得积分10
1分钟前
32429606完成签到 ,获得积分10
1分钟前
青黛完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
粥粥完成签到 ,获得积分10
1分钟前
33完成签到 ,获得积分10
1分钟前
xingyi完成签到,获得积分10
1分钟前
CH完成签到,获得积分10
1分钟前
jkaaa完成签到,获得积分10
1分钟前
fy完成签到,获得积分10
1分钟前
Lyw完成签到 ,获得积分10
1分钟前
万灵竹完成签到 ,获得积分10
1分钟前
cq_2完成签到,获得积分0
1分钟前
YiWei完成签到 ,获得积分10
1分钟前
future完成签到 ,获得积分10
1分钟前
高分求助中
Les Mantodea de Guyane Insecta, Polyneoptera 2500
Technologies supporting mass customization of apparel: A pilot project 450
A Field Guide to the Amphibians and Reptiles of Madagascar - Frank Glaw and Miguel Vences - 3rd Edition 400
Brain and Heart The Triumphs and Struggles of a Pediatric Neurosurgeon 400
Cybersecurity Blueprint – Transitioning to Tech 400
Mixing the elements of mass customisation 400
Периодизация спортивной тренировки. Общая теория и её практическое применение 310
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3784835
求助须知:如何正确求助?哪些是违规求助? 3330072
关于积分的说明 10244317
捐赠科研通 3045457
什么是DOI,文献DOI怎么找? 1671691
邀请新用户注册赠送积分活动 800613
科研通“疑难数据库(出版商)”最低求助积分说明 759544