策略梯度共1篇
策略梯度:强化学习的另一条路-子比笔记

策略梯度:强化学习的另一条路

策略梯度不估计每个动作的价值,而是直接优化“在什么状态下该采取什么动作”的策略本身。它比基于价值的方法更适合连续动作空间,是机器人控制的常用方案。 策略梯度与基于价值的方法像两种处...
admin的头像-子比笔记admin10小时前
0207