یک عامل نقاد پیشرفته برای یادگیری عامل در محیط بازی فوتبال گوگل

این مقاله یک معماری یادگیری تقویتی عمیق را که عامل نقاد ۱ پیشرفته نامیده میشود و بر اساس معماری عامل نقاد است، برای یادگیری بهتر عامل در محیط بازی فوتبال ارائه میدهد. از آ نجاییکه گاهی در برخی حالات، برخی اقدامات لزومی ندارند که اعمال شوند، بنابرای ن این مدل به منظور دستیابی به تخمین ارزش دقیق و انتخاب صحیح عمل در فضایی پیوسته معرفی شده است. لذا وجود معیاری برای ارزیابی میزان اهمیت و مزیت هر عمل در هر حالت، میتواند پارامتر ارزشمند ی باشد. از این رو با توجه به مزایای معماری DQN duelingو عامل نقاد، معماری ارائه شده از ترکیب شبکهDueling DQN در معمار ی عامل نقاد استفاده کرده است. هدف، بهبود عملکرد معماری عامل نقاد معمولی در یک محیط پیچیده است. مطالعه موردی از اموزش عامل، یادگیری در محیط بازی فوتبال است. نتایج تایید میکند که معماری بهبود یافته، به طور موثر عملکرد را از نظر میانگین پاداش، نسبت به هر یک از دو معماری Dueling DQN و عامل نقاد به صورت جداگانه بهبود میدهد. از این رو تجزیه و تحلیل در مورد معماری ارائه شده و نتایج ارائه شده است