【标题】A Survey on Deep Reinforcement Learning-based Approaches for Adaptation and Generalization

【作者团队】Pamul Yadav, Ashutosh Mishra, Junyong Lee, Shiho Kim

【发表日期】2022.2.17

【论文链接】https://arxiv.org/ftp/arxiv/papers/2202/2202.08444.pdf

【推荐理由】深度强化学习（DRL）旨在创建智能代理，使其能够学习在现实环境中高效地解决复杂问题。通常，有两个学习目标：适应性和泛化，用于将DRL算法在不同任务和领域中的性能基线化。本文综述了基于DRL的自适应和泛化方法的最新发展。其首先在任务和领域的背景下制定这些目标。然后，综述了在这些方法下的最新工作，并讨论了未来的研究方向，通过这些研究可以增强DRL算法的适应性和可推广性，并可能使其适用于广泛的现实问题。

内容中包含的图片若涉及版权问题，请及时与我们联系删除