← 返回卡片

原书出处

强化学习

09 Actor-Critic及变种 9.3.1 简介

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.895Z

异步方法的核心思想是:并行的交互采样和训练。在异步方法中,同时启动多个线程,智能体将在多个线程中同时进行环境交互。只要保证每一个线程中的环境设定不同,线程间交互得到的转换序列就不会完全一样。样本收集完成以后,每一个线程将独立完成训练并得到参数更新量,并以异步的方式更新到全局的模型参数中。下一次训练时,线程的模型参数将和全局参数完成同步,再使用新的参数进行新一轮的训练,如图9-1所示。

此预览只包含定位所需的摘录和上下文。

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/1-018.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae