LEARNING
重新审视复杂动作空间的动作分解方法
Timothy Flavin, Sandip Sen
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文对多种动作分解方法（如独立网络、共享编码器、VDN等）在不同算法（PPO、SAC、DQN）和动作空间（离散、混合、连续）上进行了横向比较研究。通过四个轻量级环境（Platform、混合LunarLander等）评估了这些方法的性能，为混合动作空间强化学习提供了系统性的基准。
关键词
action factorizationhybrid action spacesreinforcement learningbenchmarking
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018