知识卡片
策略优化直接提高预期回报
策略优化直接参数化状态到动作的规则,并提高起始期望回报或长期平均奖励。它适用于随机策略与连续控制。较短的新动作序列可以沿途得到不同奖励,因此终局好坏只能作为带噪声的信用证据。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 深度强化学习 · 查看原书依据
寻找可以最大化学习目标(例如累积回报期望)的参数值
参考来源
- 位置:《机器学习观止:核心原理与实践》第15章《深度强化学习》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter15.xhtml`)。
- 结论依据:第 15.6 节对照价值方法,区分完整片段和持续任务的目标。
- 原始内容:寻找可以最大化学习目标(例如累积回报期望)的参数值