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
作为近似最优解; Step 2:计算 ,并求解线性方程组(8.22)得到解 ; Step 3:令 ,转Step 1。
和最速下降法相比,牛顿法利用了优化函数的局部二阶导数,因此具有二阶收敛性,比最速下降法收敛速度快。 在使用牛顿法的时候,我们已经假设了初始点足够接近极小点,否则可能会导致算法不收敛。
然而,在实际算法中我们并不知道极小点在什么地方,因此一般不会直接使用牛顿方法求解,而是使用基于牛顿方法的改进方法,如阻尼
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