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
是指探索性交互,即智能体会尝试很多动作,然后在这些动作中学到好的动作。 既然确定性策略无法探索环境,那么它如何学习呢?
答案是利用异策略学习方法(off-policy)。异策略是指行动策略和评估策略不是同一个策略。我们此处所说的行动策略是随机策略,以保证充足的探索;评估策略是确定性策略,即公式(8.2)。整个确定性策略的学习框架采用AC(Actor-Critic Algorithm)的方法。
AC 算法包括两个同等地位的元素,一个元素是 Actor 即行动策略,另一个元素是Critic策略即评估,这里是指利用
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