经验方法

持续强化学习(CRL)作为一种有前景的研究方向，旨在使智能体在动态、多任务环境中持续学习、适应并保留知识。CRL面临的主要挑战包括可塑性、稳定性及可扩展性。文章提出了一种新的分类体系，将CRL方法按照所存储和/或转移的知识类型分为四大类：基于策略的、基于经验的、基于动态的方法和基于奖励的方法。