强化学习中的退化策略：限制策略优化方法中的替代目标方差

BriefGPT - AI 论文速递 · 2023-10-31T00:00:00Z

本文提出了一种适用于主流政策优化算法的强化学习框架，通过引入 dropout 技术，避免了代理目标方差过度增加，并在 Atari 2600 环境中验证了 D-PPO 相对于 PPO 算法在性能上取得了显著的改进。