基于分布式强化学习方法解决后继特征中的低估问题

卢梦筱; 张阳春; 章晓峰

doi:10.16088/j.issn.1001-6600.2024122302

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (06) : 107 -119. DOI: 10.16088/j.issn.1001-6600.2024122302

基于分布式强化学习方法解决后继特征中的低估问题

卢梦筱, 张阳春, 章晓峰

作者信息 +

Author information +

文章历史 +

摘要

后继特征(successor features, SFs)和广义策略改进(generalized policy improvement, GPI)的框架具备在不同任务之间实现强化学习(RL)中零样本迁移的潜力。本文研究SFs&GPI中过低估计现象：为了阐明这个问题，在理论上，证明估计Q值与真实Q值之间的期望差，其在定理中是非正的；在实验上，验证在训练过程中新任务的估计Q值低于真实Q值。为解决该问题，将分布式强化学习的概念引入到SFs&GPI中，并建立分布后继特征(distributional SFs, DSFs)和分布广义策略改进(distributional GPI, DGPI),缩小了低估差距。MuJoCo环境上的实验结果表明，基于DSFs&DGPI的算法缓解了基于SFs&GPI算法的价值估计偏差，且具备更大的迁移潜力和更稳定的迁移效果。