面向动态三维迷宫的综合奖励设计

动态三维迷宫是较为困难的、具有不确定性和不完全信息的强化学习任务环境,使用常规奖励函数在此环境中训练任务,速度缓慢甚至可能无法完成。为解决利用强化学习在动态迷宫中寻找多目标的问题,提出一种基于事件触发的综合奖励方案。该方案将三维迷宫中各种行为状态表达为各种事件,再由事件驱动奖励。奖励分为环境奖励和内部奖励,其中环境奖励与三维迷宫任务直接相关,含有体现任务目标的节点奖励和任务约束的约束奖励。内部奖励与智能体学习过程中的状态感受相关,含有判断奖励和心情奖励。在实验中,综合奖励的性能均值相较于改进奖励提升54.66%。结果表明,综合奖励方案在提高完成任务满意度、增强探索能力、提升训练效率方面具有优势。

我和“作文成功之路”的不解之缘

9年前的偶遇，让我与你结下了不解之缘。5岁时，我在上高中的表哥家第一次遇见你——《作文成功之路》（2003年第1期），你“站”在书桌上，新颖简洁的外表，一下子就吸引了我。我拿起笔在你身上乱涂起来，并撕下了几页叠纸飞机。表哥发现后，愤怒地把我“修理”了一顿，使我对你“恨之入骨”。