原书出处
强化学习
08 随机策略梯度 8.3.2 带基线的REINFORCE方法
基线b函数可以与状态相关,但一定要与行为无关,这样设置的基线b函数不会改变梯度本身。
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