深度强化学习综述:兼论计算机围棋的发展

被引：134

作者：

赵冬斌 ^{[1
]}

邵坤 ^{[1
]}

朱圆恒 ^{[1
]}

李栋 ^{[1
]}

陈亚冉 ^{[1
]}

王海涛 ^{[1
]}

刘德荣 ^{[2
]}

周彤 ^{[3
]}

王成红 ^{[4
]}

机构：

[1] 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

[2] 北京科技大学自动化学院

[3] 清华大学自动化系

[4] 国家自然科学基金委信息科学部

来源：

控制理论与应用 | 2016年 / 33卷 / 06期

关键词：

深度强化学习; 初弈号; 深度学习; 强化学习; 人工智能;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

深度强化学习将深度学习的感知能力和强化学习的决策能力相结合,可以直接根据输入的图像进行控制,是一种更接近人类思维方式的人工智能方法.自提出以来,深度强化学习在理论和应用方面均取得了显著的成果.尤其是谷歌深智(Deep Mind)团队基于深度强化学习方法研发的计算机围棋"初弈号–Alpha Go",在2016年3月以4:1的大比分战胜了世界围棋顶级选手李世石(Lee Sedol),成为人工智能历史上一个新里程碑.为此,本文综述深度强化学习的发展历程,兼论计算机围棋的历史,分析算法特性,探讨未来的发展趋势和应用前景,期望能为控制理论与应用新方向的发展提供有价值的参考.

引用

页码：701 / 717

页数：17

共 25 条

[1] 阿法狗围棋系统的简要分析 [J].

田渊栋 .

自动化学报, 2016, 42 (05) :671-675

[2] 深度学习在游戏中的应用 [J].

郭潇逍 ;

李程 ;

梅俏竹 .

自动化学报, 2016, 42 (05) :676-684

[3] 面向多机器人系统的增强学习研究进展综述 [J].

吴军 ;

徐昕 ;

王健 ;

贺汉根 .

控制与决策, 2011, 26 (11) :1601-1610+1615

[4] 强化学习研究综述 [J].

高阳 ;

陈世福 ;

陆鑫 .

自动化学报, 2004, (01) :86-100

[5] A supervised Actor–Critic approach for adaptive cruise control [J].

Dongbin Zhao ;

Bin Wang ;

Derong Liu .

Soft Computing, 2013, 17 :2089-2099

[6]

Action, Outcome, and Value[J] . Fiery Cushman.Personality and Social Psychology Review . 2013 (3)

[7]

Self-teaching adaptive dynamic programming for Gomoku[J] . Dongbin Zhao,Zhen Zhang,Yujie Dai.Neurocomputing . 2011 (1)

[8] Adaptive-resolution reinforcement learning with polynomial exploration in deterministic domains [J].

Bernstein, Andrey ;

Shimkin, Nahum .

MACHINE LEARNING, 2010, 81 (03) :359-397

[9]

Teachable robots: Understanding human teaching behavior to build more effective robot learners[J] . Andrea L. Thomaz,Cynthia Breazeal.Artificial Intelligence . 2007 (6)

[10] A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

← 1 2 3 →