← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 2700.f.3 · 生成模型:未记录

价值与策略路线

理解等级:中级

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?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    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。