深度强化学习方法及其在经济学中的应用综述，Comprehensive Review of Deep Reinforcement Learning Methods and Applicationsin Economic

主题： Comprehensive Review of Deep Reinforcement Learning Methods and Applicationsin Economic

摘要： 深度强化学习（DRL）方法在经济学中的应用已成倍增加。 DRL通过从强化学习（RL）和深度学习（DL）的广泛功能来处理复杂的动态业务环境提供了广阔的机遇。 DRL的特点是可伸缩性，它有可能结合经济数据的噪声和非线性模式应用于高维问题。在这项工作中，我们首先考虑对经济学中各种应用中的DL，RL和深层RL方法进行简要回顾，以提供对最新技术水平的深入了解。此外，研究了应用于经济应用的DRL体系结构，以突出其复杂性，鲁棒性，准确性，性能，计算任务，风险约束和获利能力。调查结果表明，与传统算法相比，DRL可以提供更好的性能和更高的精度，同时在存在风险参数和不确定性不断增加的情况下面临实际的经济问题。