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
AC方法网络结构 异策略随机策略梯度为 采样策略为 。 为了得到确定性策略AC的方法,我们首先给出确定性策略梯度如下。
(9.5)式即为确定性策略梯度。和随机策略梯度(9.3)式相比,少了对动作的积分,多了回报函数对动作的导数。
异策略确定性策略梯度为 比较(9.6)和(9.4)我们发现,确定性策略梯度求解时少了重要性权重,这是因为重要性采样是用
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