← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 2700.f.3.a · 生成模型:未记录

同策异策区别

理解等级:中级

同策略学习使用生成经验的策略来估计或改进该策略;异策略学习可以用一种行为策略收集经验,学习另一种目标策略。SARSA 使用行为策略选出的下一动作更新,Q-learning 使用下一状态最大动作价值作为目标,常用探索策略收集数据。

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

      On-policy算法和Off-policy算法的区别关键在于估计值函数或者策略时使用的策略和生成样本时所使用的策略是否一致

    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:原文以采样策略和估计策略是否一致区分同策略与异策略,并比较 SARSA 和 Q-learning。 - 原始内容:On-policy算法和Off-policy算法的区别关键在于估计值函数或者策略时使用的策略和生成样本时所使用的策略是否一致