多目标强化学习相关 AI 资讯 · AI 热点

6月18日

10:36

10:36

官方账号arXiv cs.LG@Arnaud Lequen, Clément Legrand-Lixon, Léo Saulières

PQLRM算法将Pareto Q-Learning与奖励机器（Reward Machines）结合，维护向量化Q估计来逼近Pareto前沿。实验表明，相比朴素PQL基线，PQLRM在奖励机器编码的非马尔可夫任务中收敛更快。它还能合成QRM无法获得的Pareto最优策略，提升了多目标强化学习的样本效率。

论文 PQLRM Reward Machines Pareto Q-Learning 多目标强化学习

推荐理由：这篇论文提出了PQLRM，把Pareto Q-Learning和奖励机器结合起来，在多目标任务里比基线收敛更快，还能找到普通方法找不到的最优策略。

6月17日

12:00

12:00

官方账号arXiv cs.LG@Umer Siddique, Peilang Li, Yongcan Cao

该论文研究多目标强化学习（MORL）中的公平性优化问题。传统单策略方法使用广义基尼福利函数（GGF）只能处理固定用户偏好，缺乏策略多样性。作者证明对于凹分段线性福利函数（如GGF），公平策略仍属于凸覆盖集（CCS）。提出三种新算法：集成GGF的多策略多目标Q学习（MOQL）、状态增强多策略MOQL及随机策略扩展。在多个领域实验表明，该方法能学习一组适应不同用户偏好的公平帕累托最优策略。

论文 MORL GGF 多目标强化学习公平性帕累托最优

推荐理由：这篇论文提出了在MORL中兼顾最优和公平的新方法，用GGF和三种算法生成多样化的公平策略，比传统单策略方法更灵活。