知识卡片

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

连续探索可加相关噪声

理解等级:中级

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?

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《7.5.3 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