← 返回卡片

原书出处

深入浅出强化学习:原理入门

07 第7章 基于策略梯度的强化学习方法

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.438Z

:利用参数化的线性函数或非线性函数(如神经网络)表示策略,寻找最优的参数,使强化学习的目标——累积回报的期望 最大。

在值函数的方法中,我们迭代计算的是值函数,再根据值函数改善策略;而在策略搜索方法中,我们直接对策略进行迭代计算,也就是迭代更新策略的参数值,直到累积回报的期望最大,此时的参数所对应的策略为最优策略。

在正式了解策略搜索方法之前,我们先比较一下值函数方法和直接策略搜索方法的优缺点。其实正是因为直接策略搜索方法比值函数方

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00017.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57