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
答这个问题之前,我们先简单了解 GPS 算法的发展历程,更好地理解 GPS的实现思路。GPS的发展可以从三个方面了解。
从问题的构建来看,GPS 经历了基于重要性采样的 GPS(ISGPS)→基于变分推理的GPS(vGPS)→基于约束的GPS(cGPS)的过程。这是Levine读博期间的发展思路。
从优化方法来看,基于约束的GPS的优化,经历了Dual GPS(基于对偶梯度下降法)(2014年)[18] →BADM
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