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
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。
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