AA论文中将寻找最佳增强策略的问题转化为离散搜索问题。

搜索算法

使用一个controller RNN作为搜索器，使用增强学习，使用近段策略优化算法。

搜索空间

空间中每一个策略有5个子策略，每个子策略中有两个图像操作，每个操作有两个参数调节，分别是操作使用的可能性和操作的等级。

一共有16个操作可选，每个操作的可能性离散化成10个值，每个操作的等级同样离散化成11个值。

整体逻辑

整体逻辑如下图所示：