← 返回卡片

原书出处

强化学习

10 确定性策略梯度 10.1.1 确定性策略梯度定理

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

对上式应用链式求导规则,策略更新被分解为两部分,第一部分为行为值函数对行为的梯度,第二部分为策略相对于策略参数的梯度。

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/1-019.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae