知识卡片
Actor与Critic协作
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?
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
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
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