← 返回刚才阅读的位置

知识卡片

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

DDPG处理连续动作

理解等级:中级

DDPG 用确定性 Actor 为状态输出连续动作,用 Critic 估计该动作的 Q 值,并通过 Critic 的梯度改进 Actor。经验回放与 Actor、Critic 各自的慢更新目标网络帮助训练,但连续动作优化仍可能不稳定。

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:原文说明确定性策略、Actor-Critic、异策略和两个目标网络。 - 原始内容:DDPG算法构造一个确定性策略,用梯度上升的方法来最大化值。