基于優(yōu)質樣本篩選的離線強化學習算法

摘要： 針對離線強化學習算法過度依賴數(shù)據(jù)集樣本質量的問題，提出基于優(yōu)質樣本篩選的離線強化學習算法.首先，在策略評估階段，賦予優(yōu)勢值的樣本更高的更新權重，并添加策略熵項，快速識別高質量且在數(shù)據(jù)分布內(nèi)概率較高的動作樣本，從而篩選更有價值的動作樣本.在策略優(yōu)化階段，最大化歸一化優(yōu)勢函數(shù)的同時，保持對數(shù)據(jù)集上動作的策略約束，使算法在數(shù)據(jù)集樣本質量較低時也可高效利用優(yōu)質樣本，提升策略的學習效率和... （共11頁）