返回
Quantum reinforcement learning in dynamic environments
DOI:10.1007/s42484-026-00383-8.png)
摘要
En 中文
将振幅放大形式的量子计算技术与经典强化学习相结合,形成了所谓的“可访问量子强化学习的混合智能体”,它在某些学习问题上实现了样本复杂度的二次加速。迄今为止,该混合智能体仅应用于平稳学习问题,即马尔可夫决策过程中的组件无任何时间依赖性的学习问题。在本工作中,我们研究了该混合智能体在动态强化学习环境中的适用性,从而使其适用于更现实的场景。为此,我们通过引入耗散机制增强了混合智能体,并使用由此产生的学习智能体,在一个具有时间依赖性奖励函数的强化学习环境中,与经典强化学习智能体进行了实证比较。我们的发现表明,改进后的混合智能体能快速适应环境变化,其平均成功概率高于其经典对应智能体。
Keyword:
Quantum reinforcement learning
Hybrid algorithm
Continual reinforcement learning
Amplitude amplification
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
Q
IF:
4.4
论文数:
453
被引数:
796
机构
引用论文
A hybrid learning agent for episodic learning tasks with unknown target distance面向目标距离未知的情景学习任务的混合学习代理

