haoshu1231的博客

背景：这篇文章用于解决在procedurally-generated环境中（a different environment is generated in each episode），当奖励稀疏时，如何鼓励agent进行探索的问题。 方法： 对每个episode打分，打分方式以local,global,extrinsic三方面的加权获得。并按score rank 截断存储在一个buffer中，接下来的episode中对buffer中的个体进行imitation learning。 问题：当ep..

————"Deep Reinforcement Learning for Multi-Agent Systems: A Review of Challenges, Solutions and Applications" [114] Tsitsiklis, J. N., and Van Roy, B. (1997). Analysis of temporal-diffference learning with functionapproximation. InAdvances in Neural I...