知识卡片
REINFORCE使用完整回报
REINFORCE 是蒙特卡洛策略梯度方法,利用采样轨迹中从某一步起的实际折扣回报估计该步动作价值,并用它加权策略梯度。它需要获得相应后续回报,采样估计可能有较大波动。
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
REINFORCE算法是基于蒙特卡洛方法的策略梯度算法
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 REINFORCE 用蒙特卡洛方法估计当前策略动作价值。
- 原始内容:REINFORCE算法是基于蒙特卡洛方法的策略梯度算法