论文部分内容阅读
针对强化学习方法在训练初期由于缺少经验样本所导致的学习速度慢的问题，提出了一种基于生成对抗网络的强化学习算法。在训练初期，该算法通过随机策略收集经验样本以构成真实样本池，并利用所收集的经验样本来训练生成对抗网络，然后利用生成对抗网络生成新的样本以构成虚拟样本池，结合真实样本池和虚拟样本池来批量选择训练样本，以此来提高学习速度。同时，该算法引入了关系修正单元，结合深度神经网络，训练了真实样本池中样本的状态、动作与后续状态、奖赏之间的内部联系，结合相对熵优化生成对抗网络，提高生成样本的质量。最后，将所提出的算法与DQN算法应用于OpenAI Gym中的CartPole问题和MountainCar问题，实验结果表明，与DQN算法相比，所提算法可以有效地提高训练初期的学习速度，且收敛时间提高了15%。