← 返回卡片

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

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

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

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/text00018.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57