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
的问题,特征的选择是很困难的。 ② 很多逆向强化学习的子循环中包含正向强化学习,而正向强化学习本身就是很难解决的问题。
上面的第一个问题涉及回报函数的表示问题,要想取代人为的特征设计,可以利用深度神经网络来逼近回报函数,利用深度神经网络来解决逆向强化学习的算法称为深度逆向强化学习算法;针对第二个问题,可以采用基于采样的方法替代正向强化学习。
下面介绍基于采样的逆向强化学习方法。 在最大熵逆向强化学习中,最大熵策略所产生的轨迹服从如下分布 其中 。前面两种方法
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