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
过不断尝试来探索环境,这些算法只能处理参数最多为数百个的策略网络,对于更大的策略网络,这些方法学习效率不高。原因很简单:
当随机初始化有数千个或上万个参数的网络时,随机尝试根本无法产生好的数据。因此,对于复杂的任务,随机探索几乎找不到成功的解或者好的解,而没有成功的解或好的解,智能体就无法从中学到好的动作,也就无法形成良性循环。
综上,无模型的强化学习算法最大的缺点是数据效率低。 解决无模型随机探索问题的方法是利用模型探索。如何得到模型?一般来说要
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