基于逆强化学习的示教学习方法综述

来源：计算机研究与发展杂志2019年第2期北京时间：

作者：张凯峰,俞扬,

摘要：随着强化学习在自动机器人控制、复杂决策问题上的广泛应用，强化学习逐渐成为机器学习领域中的一大研究热点.传统强化学习算法是一种通过不断与所处环境进行自主交互并从中得到策略的学习方式.然而，大多数多步决策问题难以给出传统强化学习所需要的反馈信号.这逐渐成为强化学习在更多复杂问题中实现应用的瓶颈.逆强化学习是基于专家决策轨迹最优的假设，在马尔可夫决策过程中逆向求解反馈函数的一类算法.目前，通过将逆强化学习和传统正向强化学习相结合设计的一类示教学习算法已经在机器人控制等领域取得了一系列成果.对强化学习、逆强化学习以及示教学习方法做一定介绍，此外还介绍了逆强化学习在应用过程中所需要解决的问题以及基于逆强化学习的示教学习方法.

关键词：强化学习, 示教学习, 逆强化学习, 马尔可夫决策过程, 多步决策问题,