Multi-objectivization and ensembles of shapings in reinforcement learning

در این مقاله، ما ترکیبی از تکنیک های چند منظوره سازی و گروه بندی را به عنوان یک ابزار قدرتمند برای افزایش کارایی حل در یادگیری تقویت می کنیم. ما قطعات مختلف اطلاعات اکتشافی را از طریق شکل دادن به پاداش تزریق می کنیم و چندین سیگنال پاداش متمایز را به وجود می آوریم که می تواند به طور استراتژیک با استفاده از تکنیک های گروهی برای کاهش پیچیدگی نمونه ترکیب شود. ما تضمین های نظری ارائه می دهیم و توان بالقوه رویکرد را با طیف وسیعی از آزمایش ها نشان می دهیم.