← 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 2026-11-19T06:04:54.439Z

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,策略很容易发散;若步长太短,收敛速度很慢。为了避免步长问题,学者们提出基于统计学习的策略搜索方法和基于路径积分的策略搜索方法。

虽然这些方法能在一定程度上避免直接利用步长,但这些方法也丢掉了梯度方法很容易用来处理大规模问题的优势。TRPO没有选择回

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