知识卡片
广义优势估计权衡
广义优势估计把不同时间尺度的 TD 残差按折扣和 λ 加权求和,以估计动作相对状态基线的优势。λ 影响偏差与方差的权衡:较小值更依赖价值估计,较大值纳入更长轨迹信息。
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
GAE将这些不同步数的优势估计进行指数加权平均。
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:原文说明对不同步数优势估计作指数加权并以 λ 控制范围。
- 原始内容:GAE将这些不同步数的优势估计进行指数加权平均。