← 返回卡片

原书出处

强化学习

10 确定性策略梯度 10.3.3 算法流程

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

其中,。yi的计算用到了目标Critic网络Q'和目标Actor网络μ',这样做是为了Q网络参数的学习过程更加稳定,易于收敛。有了损失函数L,就可以基于标准的后向传播方法,求得L针对θQ的梯度。对其进行优化更新,得到θQ。

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