Reinforcement Learning: State-of-the-Art

یادگیری تقویتی شامل علم رفتار تطبیقی ​​موجودات منطقی در محیط‌های نامشخص و روش‌شناسی محاسباتی برای یافتن رفتارهای بهینه برای مشکلات چالش برانگیز در کنترل، بهینه‌سازی و رفتار تطبیقی ​​عوامل هوشمند است. به عنوان یک زمینه، یادگیری تقویتی در دهه گذشته پیشرفت چشمگیری داشته است.

هدف اصلی این کتاب ارائه مجموعه ای به روز از مقالات پیمایشی در زمینه های اصلی فرعی معاصر یادگیری تقویتی است. . این شامل بررسی در محیط های تا حدی قابل مشاهده، تجزیه وظایف سلسله مراتبی، نمایش دانش رابطه ای و نمایش حالت پیش بینی است. همچنین موضوعاتی مانند انتقال، روش های تکاملی و فضاهای پیوسته در یادگیری تقویتی بررسی می شود. علاوه بر این، چندین فصل به بررسی روش‌های یادگیری تقویتی در رباتیک، بازی‌ها و علوم اعصاب محاسباتی می‌پردازد. در مجموع هفده زیرشاخه مختلف توسط متخصصان جوان در آن زمینه ها ارائه شده است، و با هم آنها واقعاً نشان دهنده پیشرفته ترین تحقیقات یادگیری تقویتی فعلی هستند.

مارکو ویرینگ در بخش هوش مصنوعی کار می کند. دانشگاه گرونینگن در هلند او مقالات زیادی در مورد موضوعات مختلف یادگیری تقویتی منتشر کرده است. مارتین ون اوترلو در گروه هوش مصنوعی شناختی در دانشگاه رادبود نایمگن در هلند کار می کند. او عمدتاً بر روی دانش بیانی
بازنمایی در تنظیمات یادگیری تقویتی تمرکز کرده است.

Reinforcement learning encompasses both a science of adaptive behavior of rational beings in uncertain environments and a computational methodology for finding optimal behaviors for challenging problems in control, optimization and adaptive behavior of intelligent agents. As a field, reinforcement learning has progressed tremendously in the past decade.

The main goal of this book is to present an up-to-date series of survey articles on the main contemporary sub-fields of reinforcement learning. This includes surveys on partially observable environments, hierarchical task decompositions, relational knowledge representation and predictive state representations. Furthermore, topics such as transfer, evolutionary methods and continuous spaces in reinforcement learning are surveyed. In addition, several chapters review reinforcement learning methods in robotics, in games, and in computational neuroscience. In total seventeen different subfields are presented by mostly young experts in those areas, and together they truly represent a state-of-the-art of current reinforcement learning research.

Marco Wiering works at the artificial intelligence department of the University of Groningen in the Netherlands. He has published extensively on various reinforcement learning topics. Martijn van Otterlo works in the cognitive artificial intelligence group at the Radboud University Nijmegen in The Netherlands. He has mainly focused on expressive knowledge
representation in reinforcement learning settings.