Offline Multi-Policy Gradient for Latent Mixture Environments

强化学习 计算机科学 弹道 机器学习 人工智能 最大化 离线学习 潜变量 混合模型 功能(生物学) 期望最大化算法 数学优化 在线学习 最大似然 数学 天文 统计 生物 物理 万维网 进化生物学
作者
Xiaoguang Li,Xin Zhang,Lixin Wang,Ge Yu
出处
期刊:IEEE Access [Institute of Electrical and Electronics Engineers]
卷期号:9: 801-812
标识
DOI:10.1109/access.2020.3045300
摘要

Reinforcement learning has been widely applied for sequential decision making problems in various fields of the real world, including recommendation, e-learning, etc. The features of multi-policy, latent mixture environments and offline learning implied by many real applications bring a new challenge for reinforcement learning. To this challenge, the paper proposes a reinforcement learning approach called offline multi-policy gradient for latent mixture environments. The proposed method uses an objective of expected return of trajectory with respect to the joint distribution of trajectory and model, and adopts a multi-policy searching algorithm to find the optimal policies based on expectation maximization. We also prove that the off-policy technique of importance sampling and advantage function can be used by offline multi-policy learning with fixed historical trajectories. The effectiveness of our approach is demonstrated by the experiments on both synthetic and real datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
one发布了新的文献求助10
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
Rita应助科研通管家采纳,获得10
2秒前
华仔应助科研通管家采纳,获得10
2秒前
Rita应助科研通管家采纳,获得10
3秒前
打打应助科研通管家采纳,获得10
3秒前
丘比特应助科研通管家采纳,获得10
3秒前
ardejiang发布了新的文献求助10
3秒前
华仔应助科研通管家采纳,获得10
3秒前
田様应助科研通管家采纳,获得10
3秒前
3秒前
Lucas应助科研通管家采纳,获得10
3秒前
隐形曼青应助科研通管家采纳,获得10
3秒前
Ava应助科研通管家采纳,获得10
3秒前
4秒前
yangyajie发布了新的文献求助10
5秒前
陈嘻嘻嘻嘻完成签到,获得积分10
5秒前
5秒前
Mars夜愿发布了新的文献求助10
5秒前
ouyueling发布了新的文献求助10
7秒前
狂野的凡白完成签到,获得积分10
7秒前
hino发布了新的文献求助10
7秒前
一二三完成签到,获得积分10
7秒前
8秒前
沧海一声啸完成签到,获得积分10
8秒前
天天快乐应助傻子与白痴采纳,获得10
8秒前
Zzz发布了新的文献求助10
9秒前
默默的以松完成签到,获得积分10
9秒前
众生平等发布了新的文献求助10
9秒前
9秒前
10秒前
www发布了新的文献求助10
13秒前
赘婿应助归海神刀采纳,获得10
13秒前
14秒前
今后应助ouyueling采纳,获得10
14秒前
16秒前
典雅西牛发布了新的文献求助10
16秒前
在水一方应助mtt采纳,获得10
17秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3154330
求助须知:如何正确求助?哪些是违规求助? 2805172
关于积分的说明 7863751
捐赠科研通 2463360
什么是DOI,文献DOI怎么找? 1311251
科研通“疑难数据库(出版商)”最低求助积分说明 629543
版权声明 601821