基于混沌的TD3强化学习

于红博

摘要: 混沌强化学习（CBRL）是一种方法，其中代理的内部混沌动态驱动探索。然而，在先前的研究中，CBRL中的学习算法并没有得到彻底的发展，也没有结合最近的强化学习进展。本研究引入了一种名为双延迟深度确定性策略梯度（TD3）的最新深度强化学习算法，可以处理确定性和连续动作空间，应用于CBRL。验证结果提供了几个见解。首先，TD3在简单的目标达成任务中作为CBRL的学习算法起作用。其次，具有TD3的CBRL代理可以在学习过程中自主抑制其探索行为，并在环境变化时恢复探索。最后，通过检验代理的混沌性对学习的影响，发现代理模型中存在一定范围的混沌强度，可灵活切换探索和开发，并适应环境变化。

更新时间: 2025-10-30 08:49:01

领域: cs.LG,cs.AI,cs.NE

下载: http://arxiv.org/abs/2405.09086v2