基于联合训练的强化学习方法

很多深度强化学习算法在应用时的数据利用率都很低,这限制了模型的泛化能力与适用性。本文通过实现多个任务间的策略共享来实现对数据学习效率的提升。在联合训练多个任务的过程中,通过蒸馏和迁移学习实现不同任务中策略的传输与筛选,并加以精炼。通过建立一个共享的核心"蒸馏"策略,来捕捉不同任务中产生的共同行为,并针对不同任务设定目标函数对各自策略加以精化后让一个核心智能体进行学习。每个智能体在学习自身任务策略的同时通过约束条件被迫保持接近核心共享策略。