元强化学习综述

作者：赵春宇; 赖俊^*

来源：计算机应用研究, 2023, 40(01): 1-10.

DOI：10.19734/j.issn.1001-3695.2022.06.0295

• 元强化学习
• 强化学习
• 元学习

强化学习在游戏对弈、系统控制等领域内表现出良好的性能，如何使用少量样本快速学习新任务是强化学习中亟需解决的问题。目前有效的解决方法是将元学习应用在强化学习中，由此所产生的元强化学习日益成为强化学习领域中的研究热点。为了帮助后续研究人员快速并全面了解元强化学习领域，根据近年来的元强化学习文献对研究方法进行梳理，将其归纳成基于循环网络的元强化学习、基于上下文的元强化学习、基于梯度的元强化学习、基于分层的元强化学习和离线元强化学习，对五种类型的研究方法进行对比分析，简要阐述了元强化学习的基本理论和面临的挑战，最后基于当前研究现状讨论了元强化学习的未来发展前景。

• 单位
  中国人民解放军陆军工程大学