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
率密度之间的KL散度由定义得 其次,将 利用泰勒进行二阶展开: 由此得到(8.11)式,该式是标准的优化问题的形式化。
下面,我们利用共轭梯度的方法求解最优更新量。该方法可以大概分成以下两个步骤。 第一步,计算一个搜索方向。 第二步,在搜索方向上运用一个线性搜索方法确定更新步长。
下面我们按这个方法来操作。 (1)第一步,计算一个搜索方向。 首先,我们利用拉格朗日乘子将约束条件引入目标函数中,构造
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