原书出处
深入浅出强化学习:原理入门
10 第10章 基于引导策略搜索的强化学习方法
训练策略网络。 第二,有了模型,我们可以充分地利用示例(demonstration)学习。人的示例可以当成模型的初值。
所以GPS方法将策略搜索方法分成控制相和监督相。其中控制相通过轨迹最优、传统控制器或随机最优等方法控制产生好的数据;监督相利用从控制相产生的好数据进行监督学习。
我们直观对比下普通的强化学习方法和GPS的方法,如图10.2所示。强化学习是智能体通过与环境交互产生数据,从交互数据中
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/text00020.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57