【AAAI2021】Lipschitz终生强化学习

我们研究了智能体在面临一系列强化学习任务时的知识转移问题。在马尔可夫决策过程之间引入了一种新的度量方法，证明了封闭式多目标决策具有封闭式最优值函数。形式上，最优值函数是关于任务空间的Lipschitz连续函数。根据这些理论结果，我们提出了一种终身RL的值转移方法，并利用该方法建立了一种收敛速度较好的PAC-MDP算法。我们在终身RL实验中说明了该方法的好处。

https://www.zhuanzhi.ai/paper/031fb6db56a53d5fc61281f327beddd5

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“LLRL” 就可以获取《【AAAI2021】Lipschitz终生强化学习》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源