.png){kind=icon}
返回
UCB-Driven Utility Function Search for Multi-objective Reinforcement Learning
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-06106-5_10.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在多目标强化学习（MORL）中，智能体被赋予优化决策行为的任务，这些行为需要在多个（可能冲突的）目标之间进行权衡。基于分解的MORL是一类解决方案方法，它们利用多个效用函数将多目标问题分解为若干个单目标问题，并同步求解以近似策略的帕累托前沿。我们关注由权重向量w参数化的线性效用函数的情况。我们引入了一种基于上置信界（UCB）的方法，旨在学习过程的各个阶段高效搜索最有前景的权重向量，目标是最大化所得到的帕累托前沿的超体积。所提出的方法在Mujoco基准问题上的各种MORL基准测试中表现出一致性和强性能。代码发布于：https://github.com/SYCAMORE-1/ucb-MOPPO
Keyword:
Multi-objective Reinforcement Learning
Upper Confidence Bound
Mujoco benchmark problems
期刊
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏Coverage and Capacity Optimization in STAR-RISs Assisted Networks: A Machine Learning Approach基于机器学习方法的STAR-RISs辅助网络覆盖与容量优化
OAAI
OAAI分享收藏
查看更多内容