利用逻辑选项预训练提升深度强化学习

深度强化学习智能体常因过度利用早期奖励信号而产生错位。针对此问题，本文提出一种受人类技能习得启发的混合方法：混合分层强化学习（H^2RL）。该框架通过两阶段策略，将符号结构注入基于神经网络的智能体中，既保留了深度策略的表达力，又利用基于逻辑选项的预训练引导策略摆脱短期奖励循环，转向目标导向行为。实验表明，该方法显著提升了长程决策能力，性能优于现有的神经、符号及神经符号基线模型。