基于值學(xué)習(xí)與策略梯度的深度強(qiáng)化學(xué)習(xí)在核工程領(lǐng)域的適配性分析

摘要： 深度強(qiáng)化學(xué)習(xí)能夠?qū)崿F(xiàn)端到端處理，將高維度的原始輸入數(shù)據(jù)直接轉(zhuǎn)化為輸出動(dòng)作。深度強(qiáng)化學(xué)習(xí)按照間接和直接的策略優(yōu)化方式，主要可分為基于值學(xué)習(xí)和基于策略梯度的兩類方法。二者因原理不同，在解決問(wèn)題的能力和適用場(chǎng)景上存在差異。核領(lǐng)域中的決策問(wèn)題狀態(tài)參數(shù)維度高，同時(shí)決策參數(shù)與狀態(tài)參數(shù)之間存在強(qiáng)非線性關(guān)系，是深度強(qiáng)化學(xué)習(xí)的潛在應(yīng)用場(chǎng)景。本文從強(qiáng)化學(xué)習(xí)的基本原理出發(fā)，歸納了基于值學(xué)習(xí)和基于策略... （共11頁(yè)）