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
候,相同的策略在同一个状态s处,采样的动作总体上看就算是有不同,差别也不是很大。 我们再来看看确定性策略的公式,如下。
和随机策略不同,相同的策略(即 相同时),在状态为s时,动作是唯一确定的。 我们比较一下随机策略和确定性策略的优缺点。 确定性策略的优点在于需要采样的数据少,算法效率高。
首先,我们看随机策略的梯度计算公式: (9.3)式表明,策略梯度公式是关于状态和动作的期望,在求期望时,需要对状态分布
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