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
假设输入的数据是独立同分布的;然而强化学习的数据是顺序采集的,数据之间存在马尔科夫性,很显然这些数据并非独立同分布的。
为了打破数据之间的相关性,DQN用了两个技巧:经验回放和独立的目标网络。DDPG的算法便是将这两条技巧用到了DPG算法中。
DDPG的经验回放和DQN完全相同,不再重复,我们此处只是重点介绍DQN中的独立目标网络。 DPG的更新过程如(9.7)
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