DPC-DQRL:动态行为克隆约束的离线-在线双Q值强化学习
DPC-DQRL: offline to online double Q value reinforcement learning with dynamic behavior cloning constraints
1. 南京信息工程大学 计算机学院、网络空间安全学院, 南京 210044
2. 南京信息工程大学 数字取证教育部工程研究中心, 南京 210044
摘要
离线-在线强化学习旨在使用少量在线微调来提高预训练模型的性能。现有方法主要包括无约束微调与约束微调。前者往往由于分布偏移过大而导致严重的策略崩溃；后者由于保留离线约束导致性能提升缓慢，影响训练效率。为了改善上述问题，可视化对比分析两类方法的微调过程，发现不准确的Q值估计是影响性能的主要原因，并提出了一种动态策略约束的双Q值强化学习算法(DPC-DQRL)。首先，该算法设计了遵循记忆遗忘规律的动态行为克隆约束，在微调过程中动态调整约束强度；其次，构建离线-在线双Q值网络，引入离线动作价值网络参与Q值估计，提高微调过程中Q值的准确性。在Gym仿真平台使用MuJoCo物理引擎进行了Halfcheetah、Hopper、Walker2d三个经典仿真任务，使用DPC-DQRL算法微调后性能比原预训练模型分别提升47%、63%、20%，所有任务的平均归一化得分比最优基线算法提升10%。实验结果表明，DPC-DQRL在提升模型性能的同时保证了模型的稳定，与其他算法相比具有一定的优越性。
基金项目
国家自然科学基金资助项目(62172292,42375147)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.09.0338
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第4期
发布历史
[2024-12-25] 优先出版
引用本文
闫雷鸣, 刘健, 朱永昕. DPC-DQRL:动态行为克隆约束的离线-在线双Q值强化学习 [J]. 计算机应用研究, 2025, 42 (4). (2024-12-31). https://doi.org/10.19734/j.issn.1001-3695.2024.09.0338. (Yan Leiming, Liu Jian, Zhu Yongxin. DPC-DQRL: offline to online double Q value reinforcement learning with dynamic behavior cloning constraints [J]. Application Research of Computers, 2025, 42 (4). (2024-12-31). https://doi.org/10.19734/j.issn.1001-3695.2024.09.0338. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
