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
求 。 已知 ,则轨迹的似然率可写成 其中, 表示动力学,无参数,因此可在求导过程中消掉。具体推导参见公式(7.7)。
从公式(7.7)的结果来看,似然率梯度转化为动作策略的梯度,与动力学无关,那么如何求解策略的梯度呢? 我们看一下常见的策略表示方法。
通常,随机策略可以写成确定性策略加随机部分,即 高斯策略 ,是均值为零,标准差为 的高斯分布。 和值函数逼近一样,确定
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