科研之友
微信
新浪微博
Facebook
分享链接
摘要
为优化强化学习因为奖励函数不明确造成极大误差的弊端，深入研究并实现了模仿学习算法中的行为克隆算法和数据聚合算法。通过活动图对算法流程建模，通过类图对各类之间的关系建模，通过顺序图对核心交互流程建模。根据实验结果，比较行为克隆算法和数据聚合算法的优缺点，发现行为克隆算法可以离线训练避免真实环境的交互，但会使错误累加导致结果误差；数据聚合算法必须在线与环境交互，根据策略选择观测值对应状态，解决误差累积的问题。
-
单位南京理工大学紫金学院
