原书出处
深入浅出强化学习:原理入门
09 第9章 基于确定性策略搜索的强化学习方法
需要熟练掌握前8章的要点,并且假设读者对DQN网络很熟悉。 我们先从图9.1策略搜索方法的分类开始。从图中我们可以看到,
无模型的策略搜索方法可以分为随机策略搜索方法和确定性策略搜索方法。其中随机策略搜索方法又发展出了很多算法。可以说,2014年以前,学者们都在发展随机策略搜索的方法,因为大家都认为确定性策略梯度是不存在的。
直到2014年,强化学习算法大神Silver在论文Deterministic Policy Gradient Algor
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/text00019.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57