原书出处
深入浅出强化学习:原理入门
08 第8章 基于置信域策略优化的强化学习方法
大师Michael I.Jordan,所以他们最有力的杀手锏是统计学习。从宏观意义上看,TRPO将统计玩到了一个新高度。
在TRPO出来之前,大部分强化学习算法很难保证单调收敛,而TRPO却给出了一个单调的策略改善方法。所以,不管你从事什么行业,如果想用强化学习解决问题,TRPO都是一个不错的选择。
所以本章确实很关键。 如图8.1所示为直接策略搜索方法的分类,根据模型是否已知,策略搜索方法分为无模型的策略搜索方法和基
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/text00018.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57