深度强化学习是一种兼具深度学习特征提取能力和强化学习序列决策能力的智能体建模方法，能够弥补传统对手建模方法存在的非平稳性适应差、特征选取复杂、状态空间表示能力不足等问题。本文首先将基于深度强化学习的对手建模方法分为显式建模和隐式建模两类，按照类别梳理相应的理论、模型、算法以及适用场景。随后介绍基于深度强化学习的对手建模技术在不同领域的应用情况，最后总结亟需解决的关键问题以及发展方向，旨在为基于深度强化学习的对手建模方法提供较全面的研究综述。
科研之友
微信
新浪微博
Facebook
分享链接
