CASIA OpenIR  > 复杂系统管理与控制国家重点实验室  > 深度强化学习
深度强化学习进展: 从 AlphaGo 到 AlphaGo Zero
唐振韬1,2; 邵 坤1,2; 赵冬斌1,2; 朱圆恒1,2
Source Publication控 制 理 论 与 应 用
2017
Volume34Issue:12Pages:1529-1546
Abstract

2016年初, AlphaGo战胜李世石成为人工智能的里程碑事件. 其核心技术深度强化学习受到人们的广泛关 注和研究, 取得了丰硕的理论和应用成果. 并进一步研发出算法形式更为简洁的AlphaGo Zero, 其采用完全不基于 人类经验的自学习算法, 完胜AlphaGo, 再一次刷新人们对深度强化学习的认知. 深度强化学习结合了深度学习和 强化学习的优势, 可以在复杂高维的状态动作空间中进行端到端的感知决策. 本文主要介绍了从AlphaGo到AlphaGo Zero的深度强化学习的研究进展. 首先回顾对深度强化学习的成功作出突出贡献的主要算法, 包括深度Q网络 算法、A3C算法、策略梯度算法及其他算法的相应扩展. 然后给出AlphaGo Zero的详细介绍和讨论, 分析其对人工智 能的巨大推动作用. 并介绍了深度强化学习在游戏、机器人、自然语言处理、智能驾驶、智能医疗等领域的应用进 展, 以及相关资源进展. 最后探讨了深度强化学习的发展展望, 以及对其他潜在领域的人工智能发展的启发意义.

Keyword深度强化学习 AlphaGo Zero 深度学习 强化学习 人工智能
Language中文
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/45043
Collection复杂系统管理与控制国家重点实验室_深度强化学习
Corresponding Author赵冬斌
Affiliation1.中国科学院 自动化研究所 复杂系统管理与控制国家重点实验室, 北京 100190
2.中国科学院大学, 北京 100190
Recommended Citation
GB/T 7714
唐振韬,邵 坤,赵冬斌,等. 深度强化学习进展: 从 AlphaGo 到 AlphaGo Zero[J]. 控 制 理 论 与 应 用,2017,34(12):1529-1546.
APA 唐振韬,邵 坤,赵冬斌,&朱圆恒.(2017).深度强化学习进展: 从 AlphaGo 到 AlphaGo Zero.控 制 理 论 与 应 用,34(12),1529-1546.
MLA 唐振韬,et al."深度强化学习进展: 从 AlphaGo 到 AlphaGo Zero".控 制 理 论 与 应 用 34.12(2017):1529-1546.
Files in This Item: Download All
File Name/Size DocType Version Access License
深度强化学习进展_从AlphaGo到Al(8232KB)期刊论文作者接受稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[唐振韬]'s Articles
[邵 坤]'s Articles
[赵冬斌]'s Articles
Baidu academic
Similar articles in Baidu academic
[唐振韬]'s Articles
[邵 坤]'s Articles
[赵冬斌]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[唐振韬]'s Articles
[邵 坤]'s Articles
[赵冬斌]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: 深度强化学习进展_从AlphaGo到AlphaGo_Zero_唐振韬.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.