Trust Region Policy Optimization

超参数 单调函数 信任域 多样性(控制论) 方案(数学) 非线性系统 计算机科学 数学优化 人工神经网络 深层神经网络 人工智能 强化学习 优化算法 数学 数学分析 物理 量子力学 半径 计算机安全
作者
John Schulman,Sergey Levine,Pieter Abbeel,Michael I. Jordan,Philipp Moritz
出处
期刊:Cornell University - arXiv [Cornell University]
卷期号:: 1889-1897 被引量:3120
标识
DOI:10.48550/arxiv.1502.05477
摘要

We describe an iterative procedure for optimizing policies, with guaranteed monotonic improvement. By making several approximations to the theoretically-justified procedure, we develop a practical algorithm, called Trust Region Policy Optimization (TRPO). This algorithm is similar to natural policy gradient methods and is effective for optimizing large nonlinear policies such as neural networks. Our experiments demonstrate its robust performance on a wide variety of tasks: learning simulated robotic swimming, hopping, and walking gaits; and playing Atari games using images of the screen as input. Despite its approximations that deviate from the theory, TRPO tends to give monotonic improvement, with little tuning of hyperparameters.
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
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
jklling完成签到 ,获得积分10
1秒前
爱吃麦当劳完成签到 ,获得积分10
1秒前
william完成签到,获得积分10
6秒前
神奇蜥蜴完成签到,获得积分10
6秒前
hugefrog完成签到,获得积分10
8秒前
充电宝的应助被aa121599采纳,获得10
8秒前
木又权完成签到,获得积分10
9秒前
白熊爱吃冰淇淋完成签到 ,获得积分10
10秒前
神奇蜥蜴发布了新的文献求助10
12秒前
点点完成签到 ,获得积分10
13秒前
李昕蓥完成签到 ,获得积分10
13秒前
Tqun完成签到,获得积分10
13秒前
研究啥完成签到,获得积分10
16秒前
企鹅完成签到 ,获得积分10
18秒前
小yang完成签到 ,获得积分10
19秒前
阳光雅蕊完成签到,获得积分10
21秒前
小脚丫完成签到 ,获得积分10
21秒前
pyp完成签到,获得积分10
21秒前
22秒前
沉静的清涟完成签到,获得积分10
22秒前
科研通AI65的应助被神奇蜥蜴采纳,获得10
25秒前
萍bao完成签到,获得积分10
26秒前
无言完成签到 ,获得积分10
27秒前
柒柒大王发布了新的文献求助10
27秒前
特特特特特完成签到,获得积分10
28秒前
31秒前
拼搏愚志完成签到,获得积分10
32秒前
竹舍翁暮雨君完成签到 ,获得积分10
32秒前
alex的应助被研究啥采纳,获得10
32秒前
勤奋的猫咪完成签到 ,获得积分10
32秒前
gby完成签到 ,获得积分10
37秒前
37秒前
清脆听南完成签到,获得积分10
37秒前
Spruche发布了新的文献求助10
38秒前
JonyJie完成签到,获得积分10
39秒前
zest完成签到,获得积分10
39秒前
wefun的应助被科研通管家采纳,获得10
40秒前
40秒前
斯文败类的应助被科研通管家采纳,获得10
40秒前
pretender_lu完成签到,获得积分10
40秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8185537
求助须知:如何正确求助?哪些是违规求助? 9574270
关于积分的说明 21834871
捐赠科研通 7783247
什么是DOI,文献DOI怎么找? 3434577
关于科研通互助平台的介绍 2558951
邀请新用户注册赠送积分活动 2481370