知识卡片
DQN变种关系图
这张结构图梳理DQN家族的演化脉络:Qlearning是共同框架,DQN叠加卷积逼近、经验回放、目标网络三项技术而成;Double DQN针对max操作的过估计,把动作选择与评估分离;优先回放针对均匀采样低效,按TD偏差加权采样并做重要性采样纠偏;Dueling DQN则改网络结构,把Q拆成状态值与优势函数两路。它们分别沿目标计算、采样方式、网络结构三个方向修补DQN,彼此正交,可组合使用。
结构图:
flowchart TD
QL[Qlearning框架] --> DQN[DQN深度强化学习]
DQN --> DDQN[Double DQN]
DQN --> PR[优先回放DQN]
DQN --> DUEL[Dueling DQN]
DQN --- E1[卷积神经网络逼近值函数]
DQN --- E2[经验回放打破数据关联]
DQN --- E3[独立目标网络稳定训练]
DDQN --- F1[动作选择与评估分离 抑制过估计]
PR --- F2[TD偏差决定采样权重 重要性采样纠偏]
DUEL --- F3[状态值函数加优势函数 改进网络结构]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第6章 基于值函数逼近的强化学习方法 · 查看原书依据
不管是最初的DQN,还是由DQN演化出的Double DQN、经验优先回放DQN在值函数逼近时所用的神经网络都是卷积神经网络。Dueling DQN则从网络结构上改进了 DQN。
参考来源
- 位置:《深入浅出强化学习:原理入门》第6章 基于值函数逼近的强化学习方法(源文件:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00015.html)
- 结论依据:正文各小节分别说明Double DQN改进max操作、优先回放改进均匀采样、Dueling DQN从网络结构上改进,构成同一主线上的不同分支。
- 原始内容:不管是最初的DQN,还是由DQN演化出的Double DQN、经验优先回放DQN在值函数逼近时所用的神经网络都是卷积神经网络。Dueling DQN则从网络结构上改进了 DQN。