Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.15032

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2509.15032 (cs)
[提交于 2025年9月18日 ]

标题: 样本高效的非平稳环境经验回放

标题: Sample Efficient Experience Replay in Non-stationary Environments

Authors:Tianyang Duan, Zongyuan Zhang, Songxiao Guo, Yuanye Zhao, Zheng Lin, Zihan Fang, Yi Liu, Dianxin Luan, Dong Huang, Heming Cui, Yong Cui
摘要: 强化学习(RL)在非平稳环境中具有挑战性,因为动态变化和奖励会迅速使过去的经历过时。 传统的经验回放(ER)方法,特别是那些使用TD误差优先级的方法,在区分代理策略引起的变化和环境引起的变化方面存在困难,导致在动态条件下学习效率低下。 为了解决这一挑战,我们提出了环境动态差异(DoE),这是一种将环境变化对价值函数的影响隔离的度量标准。 在此基础上,我们引入了环境优先经验回放差异(DEER),这是一种自适应的ER框架,根据策略更新和环境变化对转换进行优先级排序。 DEER使用二元分类器检测环境变化,并在每次变化前后应用不同的优先级策略,从而实现更高效的样本学习。 在四个非平稳基准测试中的实验表明,与最先进的ER方法相比,DEER进一步将离策略算法的性能提高了11.54%。
摘要: Reinforcement learning (RL) in non-stationary environments is challenging, as changing dynamics and rewards quickly make past experiences outdated. Traditional experience replay (ER) methods, especially those using TD-error prioritization, struggle to distinguish between changes caused by the agent's policy and those from the environment, resulting in inefficient learning under dynamic conditions. To address this challenge, we propose the Discrepancy of Environment Dynamics (DoE), a metric that isolates the effects of environment shifts on value functions. Building on this, we introduce Discrepancy of Environment Prioritized Experience Replay (DEER), an adaptive ER framework that prioritizes transitions based on both policy updates and environmental changes. DEER uses a binary classifier to detect environment changes and applies distinct prioritization strategies before and after each shift, enabling more sample-efficient learning. Experiments on four non-stationary benchmarks demonstrate that DEER further improves the performance of off-policy algorithms by 11.54 percent compared to the best-performing state-of-the-art ER methods.
评论: 5页,3图
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 网络与互联网架构 (cs.NI)
引用方式: arXiv:2509.15032 [cs.LG]
  (或者 arXiv:2509.15032v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.15032
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Lin Zheng [查看电子邮件]
[v1] 星期四, 2025 年 9 月 18 日 14:57:09 UTC (277 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.AI
cs.NI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号