algorithm - 使用强化学习训练神经网络

Question

我知道前馈神经网络的基础知识，以及如何使用反向传播算法训练它们，但我正在寻找一种算法，而不是我可以用来通过强化学习在线训练人工神经网络的算法。

例如，cart pole swing up问题是我想用 ANN 解决的问题。那样的话，我不知道应该怎么做才能控制钟摆，我只知道我离理想位置有多近。我需要让 ANN 基于奖励和惩罚进行学习。因此，监督学习不是一种选择。

另一种情况类似于 snake game ，其中反馈被延迟，并且仅限于目标和反目标，而不是奖励。

对于第一种情况，我可以想到一些算法，例如爬山算法或遗传算法，但我猜它们都会很慢。它们可能也适用于第二种情况，但速度非常慢，而且不利于在线学习。

我的问题很简单:是否有一个简单的算法来训练带有强化学习的人工神经网络？我主要对实时奖励情况感兴趣，但是如果一个算法用于基于目标的情况可用，甚至更好。

Answer 1

有一些关于该主题的研究论文:

• Efficient Reinforcement Learning Through Evolving Neural Network Topologies (2002)
• Reinforcement Learning Using Neural Networks, with Applications to Motor Control
• Reinforcement Learning Neural Network To The Problem Of Autonomous Mobile Robot Obstacle Avoidance

还有一些代码:

• Code examples用于神经网络强化学习。

这些只是有关该主题的部分热门 Google 搜索结果。前几篇论文看起来还不错，虽然我没有亲自阅读过。如果您在 Google 学术搜索上进行快速搜索，我认为您会找到更多关于强化学习神经网络的信息。