发表时间：2018（AAAI 2018）
文章要点：这篇文章想解决强化学习在学多个任务时候的遗忘问题。作者提出了一种对通常的experience replay增广的方式，就是在保持之前的buffer的同时，再维持一个buffer用来存少部分有代表性的experience作为long-term memory。作者研究了四种挑选experience的方式：favoring surprise, favoring reward, matching the global training distribution, and maximizing coverage of the state space.结果表明distribution matching和coverage maximization可以避免catastrophic forgetting。
具体的，作者基于DQN，所以多任务的DQN其实就是采多个任务的experience一起训练
然后这四种选样本的方式都比较直观，其中surprise就是TD error
Reward依据的是reward绝对值的大小。Global Distribution Matching就是从所有的样本里面做down sample。Coverage Maximization搞了一个聚类的方式，每次用新的样本替换掉距离最近的样本。结果上看可以缓解catastrophic forgetting。
总结：无。
疑问：普通的强化会不会有遗忘的问题，比如学到后面忘了前面？（应该会吧，但是每次reset又会采到前面的样本，估计就还好。）