强化学习中策略-环境协同设计的环境参数梯度定理

Amber Srivastava

摘要

本文提出了环境参数梯度定理，给出了值函数对环境参数的梯度表达式，并基于此开发了一种无模型算法，可同时学习最优策略和环境参数。在无人机网络设计问题上的实验验证了该框架的有效性。

reinforcement learningenvironment parameter gradientpolicy-environment co-designmodel-free algorithmUAV network

LEARNING

📊 8,465 引用

D. O. Hebb

2005

LEARNING

📊 7,678 引用

Benoît B. Mandelbrot, John W. Van Ness

1968

LEARNING

开放获取📊 7,484 引用

Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者

2021

LEARNING

📊 4,608 引用

Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者

2018