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
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于模型的策略搜索方法。在无模型的策略搜索方法中,根据策略是否随机可以分为随机策略搜索方法和确定性策略搜索方法。
在随机策略搜索方法中最先发展起来的是策略梯度的方法。然而,策略梯度方法最大的问题是步长的选取问题,若步长太长,策略很容易
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