会员服务
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
Non-myopic Matching and Rebalancing in Large-Scale On-Demand Ride-Pooling Systems Using Simulation-Informed Reinforcement Learning
Arxiv
0+阅读 · 10月28日
Morphology-Aware Graph Reinforcement Learning for Tensegrity Robot Locomotion
Arxiv
0+阅读 · 10月30日
Empowering RepoQA-Agent based on Reinforcement Learning Driven by Monte-carlo Tree Search
Arxiv
0+阅读 · 10月30日
A Game-Theoretic Spatio-Temporal Reinforcement Learning Framework for Collaborative Public Resource Allocation
Arxiv
0+阅读 · 10月30日
Accelerating Real-World Overtaking in F1TENTH Racing Employing Reinforcement Learning Methods
Arxiv
0+阅读 · 10月30日
Chaos-based reinforcement learning with TD3
Arxiv
0+阅读 · 10月30日
Human-Like Goalkeeping in a Realistic Football Simulation: a Sample-Efficient Reinforcement Learning Approach
Arxiv
0+阅读 · 10月30日
Reinforcement Learning for Pollution Detection in a Randomized, Sparse and Nonstationary Environment with an Autonomous Underwater Vehicle
Arxiv
0+阅读 · 10月30日
Adaptive Context Length Optimization with Low-Frequency Truncation for Multi-Agent Reinforcement Learning
Arxiv
0+阅读 · 10月30日
PolarZero: A Reinforcement Learning Approach for Low-Complexity Polarization Kernel Design
Arxiv
0+阅读 · 10月30日
ReSpec: Towards Optimizing Speculative Decoding in Reinforcement Learning Systems
Arxiv
0+阅读 · 10月30日
GAP: Graph-Based Agent Planning with Parallel Tool Use and Reinforcement Learning
Arxiv
0+阅读 · 10月29日
Zero Reinforcement Learning Towards General Domains
Arxiv
0+阅读 · 10月29日
The Landscape of Agentic Reinforcement Learning for LLMs: A Survey
Arxiv
0+阅读 · 10月29日
Sim-to-Real Gentle Manipulation of Deformable and Fragile Objects with Stress-Guided Reinforcement Learning
Arxiv
0+阅读 · 10月29日
参考链接
维基百科
父主题
机器学习
数据挖掘
子主题
马尔可夫决策过程
UNREAL(DRL算法)
深度强化学习
预期回报
人工智能游戏
图强化学习
微信扫码咨询专知VIP会员
Top