知识卡片

普通读书笔记卡 · 2700.d.2.a.1.a.1.b · 生成模型:未记录

连续策略直接产生动作

理解等级:中级

在某状态下直接给出控制向量,或生成分布后抽样。PuckWorld 的水平、竖直推力都可连续变化。Q 函数仍可评价给定向量,困难在于对全部可能向量求最大。直接策略学习试图从参数中得到这个选择。

关联:[[动作价值近似的输入输出]]。连续动作无法靠有限输出一一枚举,演员直接产生候选动作。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《强化学习入门:从原理到实践》第7章《7.1 基于策略学习的意义》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter67.xhtml`,body 子元素 11 - 结论依据:原文由连续动作无法枚举引出直接参数化动作分布。 - 原始内容:参数θ决定了策略的具体形式