来源：期刊VIP网 时间：
作者：吕相霖;臧兆祥;李思博;邹耀斌;
单位：三峡大学水电工程智能视觉监测湖北省重点实验室;三峡大学计算机与信息学院;
摘要：针对深度强化学习算法在部分可观测环境中面临的稀疏奖励、信息缺失等问题，提出一种结合好奇心模块与自模仿学习的近端策略优化算法。该算法利用随机网络来生成探索过程中的经验样本数据，然后利用优先经验回放技术选取高质量样本，通过自模仿学习对优秀的序列轨迹进行模仿，并更新一个新的策略网络用于指导探索行为。在Minigrid环境中设置了消融与对比实验，实验结果表明，所提算法在收敛速度上具有明显优势，并且能够完成更为复杂的部分可观测环境探索任务。
关键词：好奇心模块;;自模仿学习;;深度强化学习;;近端策略优化;;随机网络;;优先经验回放
基金资助：国家自然科学基金项目（61502274）;; 湖北省自然科学基金项目（2015CFB336）
