深度强化学习综述：兼论计算机围棋的发展
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
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,北京,1001902.北京科技大学自动化学院,北京,1000833.清华大学自动化系,北京,1000844.国家自然科学基金委信息科学部,北京,100085
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(DeepMind)团队基于深度强化学习方法研发的计算机围棋“初弈号–AlphaGo”，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。
关键词：深度强化学习初弈号深度学习强化学习人工智能
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金(61273136)国家自然科学基金(61573353)国家自然科学基金(61533017)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：17( 701-717 )
英文信息