知识卡片
DDPG处理连续动作
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?
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
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。
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。