强化学习智能体神经架构的优化

近年来，强化学习（Reinforcement Learning, RL）取得了显著进展。其中最重要的突破之一是神经网络的广泛应用。然而，这些神经网络的架构通常由人工手动设计。在本研究中，我们探讨了近期提出的神经架构搜索（Neural Architecture Search, NAS）方法，用于优化强化学习智能体的网络架构。我们在Atari基准测试平台上进行了实验，结果表明，现代NAS方法所发现的RL智能体架构，其性能优于人工选定的架构。