知识卡片
连续探索可加相关噪声
每次从上一噪声出发,加向均值回拉项及本步随机扰动。相邻动作的扰动较连贯,加入动作后应裁剪到可执行范围。训练可用带噪动作,独立评估则可用纯策略输出。
关联:[[连续演员用tanh约束动作]]。在约束动作输出附近增加连续探索并裁剪。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 7.5.3 确定性策略下探索的实现 · 查看原书依据
使其在确切的行为周围实现一定范围的探索
参考来源
- 位置:《强化学习入门:从原理到实践》第7章《7.5.3 确定性策略下探索的实现》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter74.xhtml`,body 子元素 2
- 结论依据:原文将 OU 噪声叠加到确定性动作。
- 原始内容:使其在确切的行为周围实现一定范围的探索