Conformal Symplectic Optimization for Stable Reinforcement Learning

强化学习 计算机科学 梯度下降 辛几何 趋同(经济学) 哈密顿量(控制论) 共形映射 应用数学 理论(学习稳定性) 数学优化 数学 人工神经网络 人工智能 数学分析 机器学习 经济 经济增长
作者
Yao Lyu,Xiangteng Zhang,Shengbo Eben Li,Jingliang Duan,Letian Tao,Qing Xu,Lei He,Keqiang Li
出处
期刊:IEEE transactions on neural networks and learning systems [Institute of Electrical and Electronics Engineers]
卷期号:: 1-15
标识
DOI:10.1109/tnnls.2024.3511670
摘要

Training deep reinforcement learning (RL) agents necessitates overcoming the highly unstable nonconvex stochastic optimization inherent in the trial-and-error mechanism. To tackle this challenge, we propose a physics-inspired optimization algorithm called relativistic adaptive gradient descent (RAD), which enhances long-term training stability. By conceptualizing neural network (NN) training as the evolution of a conformal Hamiltonian system, we present a universal framework for transferring long-term stability from conformal symplectic integrators to iterative NN updating rules, where the choice of kinetic energy governs the dynamical properties of resulting optimization algorithms. By utilizing relativistic kinetic energy, RAD incorporates principles from special relativity and limits parameter updates below a finite speed, effectively mitigating abnormal gradient influences. Additionally, RAD models NN optimization as the evolution of a multi-particle system where each trainable parameter acts as an independent particle with an individual adaptive learning rate. We prove RAD's sublinear convergence under general nonconvex settings, where smaller gradient variance and larger batch sizes contribute to tighter convergence. Notably, RAD degrades to the well-known adaptive moment estimation (ADAM) algorithm when its speed coefficient is chosen as one and symplectic factor as a small positive value. Experimental results show RAD outperforming nine baseline optimizers with five RL algorithms across twelve environments, including standard benchmarks and challenging scenarios. Notably, RAD achieves up to a 155.1% performance improvement over ADAM in Atari games, showcasing its efficacy in stabilizing and accelerating RL training.
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
leclerc完成签到,获得积分10
刚刚
贾不可完成签到,获得积分10
刚刚
章北海完成签到,获得积分10
1秒前
enterdawn完成签到,获得积分10
1秒前
百里酚蓝完成签到 ,获得积分10
1秒前
菲利克斯博完成签到,获得积分10
1秒前
大模型应助甜欣028采纳,获得10
1秒前
花语完成签到,获得积分10
1秒前
颇黎完成签到,获得积分10
1秒前
3秒前
Zard完成签到,获得积分10
3秒前
Yxk发布了新的文献求助10
4秒前
糖糖谈糖糖完成签到,获得积分10
4秒前
4秒前
栀然发布了新的文献求助10
5秒前
ark861023发布了新的文献求助10
5秒前
dhdhg完成签到 ,获得积分10
5秒前
活力菠萝完成签到,获得积分10
5秒前
Smoiy完成签到 ,获得积分10
5秒前
论文多多完成签到,获得积分10
6秒前
无所谓完成签到,获得积分10
7秒前
科研菜菜完成签到,获得积分10
7秒前
Yaon-Xu完成签到,获得积分10
8秒前
创创发布了新的文献求助10
8秒前
duoduo完成签到,获得积分10
8秒前
10秒前
波比冰苏打完成签到,获得积分10
10秒前
lanbing802完成签到,获得积分10
11秒前
superspace完成签到,获得积分10
11秒前
尼克拉倒完成签到,获得积分10
12秒前
wang完成签到 ,获得积分10
12秒前
lalalala完成签到,获得积分10
13秒前
温暖天与完成签到,获得积分10
14秒前
充电宝应助玩命的大神采纳,获得10
14秒前
5433完成签到 ,获得积分10
14秒前
碧蓝巧荷完成签到 ,获得积分10
14秒前
ivy完成签到,获得积分10
15秒前
15秒前
15秒前
15秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 910
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Saponins and sapogenins. IX. Saponins and sapogenins of Luffa aegyptica mill seeds (black variety) 500
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 3261857
求助须知:如何正确求助?哪些是违规求助? 2902591
关于积分的说明 8320514
捐赠科研通 2572459
什么是DOI,文献DOI怎么找? 1397675
科研通“疑难数据库(出版商)”最低求助积分说明 653851
邀请新用户注册赠送积分活动 632341