基于动态融合目标的深度强化学习算法研究

来源：计算机工程与应用杂志2019年第7期北京时间：

作者：徐志雄，曹 雷，张永亮，陈希亮，李晨溪

单位：解放军陆军工程大学 指挥信息系统学院，南京 210000

摘要：针对深度强化学习算法中存在的过估计问题，提出了一种目标动态融合机制，在Deep [Q] Networks（DQN）算法基础上进行改进，通过融合Sarsa算法的在线更新目标，来减少DQN算法存在的过估计影响，动态地结合了DQN算法和Sarsa算法各自优点，提出了DTDQN（Dynamic Target Deep [Q] Network）算法。利用公测平台OpenAI Gym上Cart-Pole控制问题进行仿真对比实验，结果表明DTDQN算法能够有效地减少值函数过估计，具有更好的学习性能，训练稳定性有明显提升。

关键词：深度强化学习,过估计,更新目标,动态融合