Evolution-Guided Policy Gradient in Reinforcement Learning

强化学习 杠杆(统计) 计算机科学 人工智能 人口 超参数 航程(航空) 机器学习 数学优化 进化算法 数学 工程类 社会学 航空航天工程 人口学
作者
Shauharda Khadka,Kagan Tumer
出处
期刊:Cornell University - arXiv 被引量:96
标识
DOI:10.48550/arxiv.1805.07917
摘要

Deep Reinforcement Learning (DRL) algorithms have been successfully applied to a range of challenging control tasks. However, these methods typically suffer from three core difficulties: temporal credit assignment with sparse rewards, lack of effective exploration, and brittle convergence properties that are extremely sensitive to hyperparameters. Collectively, these challenges severely limit the applicability of these approaches to real-world problems. Evolutionary Algorithms (EAs), a class of black box optimization techniques inspired by natural evolution, are well suited to address each of these three challenges. However, EAs typically suffer from high sample complexity and struggle to solve problems that require optimization of a large number of parameters. In this paper, we introduce Evolutionary Reinforcement Learning (ERL), a hybrid algorithm that leverages the population of an EA to provide diversified data to train an RL agent, and reinserts the RL agent into the EA population periodically to inject gradient information into the EA. ERL inherits EA's ability of temporal credit assignment with a fitness metric, effective exploration with a diverse set of policies, and stability of a population-based approach and complements it with off-policy DRL's ability to leverage gradients for higher sample efficiency and faster learning. Experiments in a range of challenging continuous control benchmarks demonstrate that ERL significantly outperforms prior DRL and EA methods.
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
coco完成签到,获得积分10
1秒前
qyj发布了新的文献求助10
1秒前
Starry完成签到 ,获得积分10
1秒前
3秒前
焦焦完成签到,获得积分10
3秒前
4秒前
敏感的夏青完成签到 ,获得积分10
4秒前
万能图书馆应助Emiya采纳,获得10
4秒前
5秒前
6秒前
Jasper应助yangcou采纳,获得10
7秒前
KingXing完成签到,获得积分10
7秒前
汉堡包应助科研小郭采纳,获得10
8秒前
8秒前
美好书瑶完成签到,获得积分10
8秒前
小吴发布了新的文献求助10
8秒前
9秒前
aa完成签到,获得积分10
9秒前
9秒前
yejian发布了新的文献求助10
9秒前
9秒前
CipherSage应助宿醉采纳,获得10
10秒前
11秒前
WRX发布了新的文献求助10
12秒前
12秒前
13秒前
13秒前
耍酷海白发布了新的文献求助10
13秒前
怕黑的画板完成签到,获得积分10
14秒前
15秒前
瘦瘦仙人掌完成签到,获得积分10
15秒前
16秒前
Lucas应助自觉的夏蓉采纳,获得30
16秒前
整齐代玉发布了新的文献求助30
16秒前
阳光衣完成签到,获得积分0
17秒前
17秒前
17秒前
灵巧的孤容完成签到,获得积分10
17秒前
18秒前
朴实的哲瀚完成签到 ,获得积分10
18秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 500
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
山海经图录 李云中版 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 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3328119
求助须知:如何正确求助?哪些是违规求助? 2958244
关于积分的说明 8589820
捐赠科研通 2636574
什么是DOI,文献DOI怎么找? 1443038
科研通“疑难数据库(出版商)”最低求助积分说明 668500
邀请新用户注册赠送积分活动 655733