结合先验知识的深度Q神经网络算法研究

作者：褚伟; 茹琦; 任明仑

来源：合肥工业大学学报(自然科学版), 2019, 42(07): 901-958.

• 深度学习
• 强化学习
• 深度Q神经网络(DQN)
• 先验知识

深度Q神经网络(deep Q-network,DQN)算法在训练初期,由于动作选择随机性强,导致算法的训练时间过长。针对该问题,文章提出一种结合先验知识的深度Q神经网络(priori knowledge-DQN,PK-DQN)算法,将先验知识定义为特征状态与最优动作的映射,根据先验知识对动作选择过程的影响程度,将先验知识引入DQN算法,优化DQN算法的动作选择规则,降低其在探索过程中的动作选择随机性,并使用赛车游戏对算法进行训练。实验结果表明,PK-DQN算法能够更快收敛,有较高的学习效率,算法训练时长明显缩短。

• 单位
  合肥工业大学