通过双演员评论家算法进行强化学习

摘要

双演员评论家(DAC)强化学习算法提供稳定的策略改进和激进的神经网络优化，而不会对策略进行灾难性过度拟合。DAC使用离线和在线学习这两者中的任意数据历史来训练模型，并且能够被用于平滑地改进通过某种其他手段学习或定义的现有策略。最后，DAC能够优化具有离散和连续动作空间的强化学习问题。