原书出处
深入浅出强化学习:原理入门
11 第11章 逆向强化学习
频次应满足流入流出关系: 请留意 表示初始位置。 接下来我们要处理不等式约束右侧的最大值,右侧的最大值等价于如下问题。
根据拉格朗日对偶原理(凸优化中的知识点,不了解的同学可以自学),其对偶问题为 联合(11.5)和(11.8)式,将逆向强化学习转化为一个二次规划问题: 利用凸优化求解方法求解系数,当然也可以利用其他更有效的方法进行求解。
(3)第三个方法:基于结构化分类的方法。 MMP 方法在约束不等式部分,变量是策略,需要迭代求解 MDP 的解,而一个
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/text00022.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57