知识卡片

普通读书笔记卡 · 6473.d.5.a.1.a.1.a · 生成模型:未记录

Actor与Critic协作

理解等级:中级

Actor 学习决定行动的策略,Critic 根据交互估计状态或动作价值,为策略更新提供评价信号。优势函数可比较某动作与该状态平均价值;Critic 的近似误差会影响 Actor 获得的指导。

这张卡片看不懂?

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

    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 Actor 与环境交互并按 Critic 价值指导更新,Critic 学习价值函数。 - 原始内容:Actor负责与环境交互,在Critic所给出的价值函数的指导下用策略梯度学习一个更好的策略