原书出处
强化学习
08 随机策略梯度 8.1 随机策略梯度简介
因此,可直接将策略参数化,利用线性函数或非线性函数表示策略,即πθ(s),以寻找最优的参数θ,使得累积回报的期望最大,这就是策略搜索方法。而策略搜索方法中最先发展起来的就是策略梯度方法,即在求解优化目标时,采用梯度上升法。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-017.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae