原书出处
强化学习
08 随机策略梯度 8.2.1 随机策略梯度定理
策略梯度定理很好地解决了这个问题,提供给我们一个关于目标函数梯度的表达式。将完整轨迹(Episodic Case)和持续时间步(Continuing Case)定义的两种目标函数J(θ)的梯度,理论上统一成一种表达式。并且,表达式中不涉及关于状态分布对于策略参数的导数,表示如下:
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