逆强化学习是关于使用专家轨迹来学习奖励函数。现在最成功的方法是最大熵逆强化学习。但在这方面，您需要基于模型的强化学习。但是大多数现实世界的问题都是无模型的，很难计算状态转移概率。那么我们如何在现实世界的问题中使用这种逆强化学习呢？
逆强化学习的实际应用有哪些？
数据挖掘
机器学习
强化学习
2022-02-17 07:25:30
1个回答
我认为该领域已经从那篇论文开始。有一种趋势是使用来自专家的数据来“预先设置”代理或直接从数据中提取策略。您可以搜索模仿学习或行为克隆。其中一些算法：生成对抗学习、DAGGER和Demonstrations 中的深度 Q 学习。AlphaGo 在接受强化学习训练之前也使用监督学习来制定一个好的策略。因此，与其尝试从数据中恢复复杂的奖励函数，不如使用上述方法来获得良好的策略或将代理的参数初始化为更有希望的方向。希望这可以帮助！
其它你可能感兴趣的问题