Adrian Łydka

新的 Ensemble Elastic DQN 算法减少了强化学习中的高估偏差

研究人员推出了一种新颖的强化学习算法 Ensemble Elastic DQN (EEDQN)，旨在减轻深度 Q 网络中的高估偏差。EEDQN 将自适应弹性多步回报与基于集成的方法的目标聚合相结合，并使用 Q 值差规则以简化在离散控制环境中的应用。在五个 MinAtar 环境上的评估表明，EEDQN 在其中四个环境中实现了最高的最终回报，优于几种已有的 DQN 变体。