← 返回卡片

原书出处

强化学习

10 确定性策略梯度 10.2.2 离线策略确定性AC

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

确定性策略算法在进行强化学习时,存在一个问题:给定状态s和策略参数时,动作是固定的。也就是说,当初始状态确定,通过确定性策略所产生的轨迹永远都是固定的,智能体无法探索其他的轨迹或访问其他的状态。为了确保在使用确定性策略梯度方法的前提下,依然能够对状态进行充分探索,我们引入了离线策略学习方法。即:行动策略是随机策略,评估策略是确定性策略。

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