强化学习的可解释方法分类研究

来源：计算机应用研究杂志2024年第6期北京时间：

作者：唐蕾,牛园园,王瑞杰,行本贝,王一婷,

单位：长安大学信息工程学院,西安710018；

摘要：强化学习能够在动态复杂环境中实现自主学习，这使其在法律、医学、金融等领域有着广泛应用。但强化学习仍面临着全局状态空间不可观测、对奖励函数强依赖和因果关系不确定等诸多问题，导致其可解释性弱，严重影响其在相关领域的推广，会遭遇诸如难以判断决策是否违反社会法律道德的要求，是否准确及值得信任等的限制。为了进一步了解强化学习可解释性研究现状，从可解释模型、可解释策略、环境交互、可视化等方面展开讨论。基于此，对强化学习可解释性研究现状进行系统论述，对其可解释方法进行归类阐述，最后提出强化学习可解释性的未来发展方向。

关键词：强化学习,可解释性,策略-值函数,环境交互,视觉解释,