知识卡片
价值与策略路线
基于价值的方法估计状态或动作的长期回报,再依据价值选择行动;基于策略的方法直接用参数表示行动分布,优化期望回报。两条路线也可组合:Actor-Critic 同时学习策略和价值估计。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
基于策略的强化学习方法。在这种方法中,智能体会通过与环境的互动直接显式地优化(学习)一个策略。
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:原文先定义基于价值方法,再说明参数化策略及 Actor-Critic 组合。
- 原始内容:基于策略的强化学习方法。在这种方法中,智能体会通过与环境的互动直接显式地优化(学习)一个策略。