← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9875.n · 生成模型:未记录

TRPO限制策略更新

理解等级:中级

TRPO 优化策略目标时,用新旧策略之间的 KL 散度约束更新范围,避免一步改变过大;实际求解用近似和线搜索降低计算成本并检查约束。理论保证依赖假设,有限样本与近似实现不保证每次真实回报都提高。

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:原文说明信任区域、KL 约束、共轭梯度和线搜索。 - 原始内容:TRPO使用KL散度来衡量策略之间的距离