基于相關(guān)熵誘導(dǎo)度量的近端策略優(yōu)化算法

打開文本圖片集

摘要： 在深度強(qiáng)化學(xué)習(xí)算法中， 近端策略優(yōu)化算法PPO（Proximal Policy Optimization）在許多實(shí)驗(yàn)任務(wù)中表現(xiàn)優(yōu)異， 但具有自適應(yīng)KL（Kullback-Leibler）散度的KL-PPO 由于其不對稱性而影響了KL-PPO 策略更新效率，為此， 提出了一種基于相關(guān)熵誘導(dǎo)度量的近端策略優(yōu)化算法CIM-PPO （Correntropy Induced Metric-PPO）。（剩余6395字）