知识卡片
策略梯度直接优化策略
策略梯度把策略表示为可微参数化分布,通过采样轨迹估计期望回报对参数的梯度,并沿改善回报的方向更新。梯度估计的质量依赖采样与价值估计;它直接调整行动概率,而不是必须先学出完整动作价值表。
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
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
对于可微的策略π,可以使用梯度上升法对式(8-61)进行优化。
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:原文说明可微随机策略、梯度上升和用当前策略采样估计。
- 原始内容:对于可微的策略π,可以使用梯度上升法对式(8-61)进行优化。