无模型深度强化学习算法

eowyn0406

于 2022-12-05 14:58:43 发布

阅读量1.1k

点赞数 1

分类专栏：强化学习文章标签：算法人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/eowyn0406/article/details/128183919

版权

无模型深度强化学习算法：直接训练类神经网络模型来表示策略 $\pi (a|s)$ 。这里的“无模型”指的是不建立环境模型，而非不建立任何机器学习模型。这样的策略模型可以直接用策略梯度（policy gradient）[3]训练，但是策略梯度的变异性太大，很难有效率地进行训练。更进阶的训练方法尝试解决这个稳定性的问题：可信区域策略最佳化（Trust Region Policy Optimization，TRPO）[4]、近端策略最佳化（Proximal Policy Optimization，PPO）[5]。另一系列的无模型深度强化学习算法则是训练类神经网络模型来预测未来的奖励总和

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。