原书出处
深入浅出强化学习:原理入门
14 第14章 基于模型的强化学习方法:PILCO及其扩展
.2 PILCO 1.PILCO算法的推导 如图14.1所示为PILCO算法的层次结构图。 图14.1 PILCO算法
从图中可以看出,该算法可以分为以下三层。 底层:学习一个状态转移的概率模型; 中间层:利用状态转移的概率模型和策略 ,预测在策略 下,后续的状态分布 ,利用 对策略进行评估; 顶层:在顶层利用基于梯度的方法对策略 的参数进行更新。
如图14.2所示为PILCO算法的伪代码。 图14.2 PILCO算法伪代码 下面我们对PILCO的每一层做详细的推导
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/text00025.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57