← 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

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

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