Hesy_H的博客

总结类强化学习小总结value-based 和 policy-based 算法区别算法类

refermujoco-py1.5的branch注意，对应的python是3.5的 ，但是spinningup只支持3.6版本及以上的 TATgymmujoco-py还是得安装1.50的版本，2.0的不work

文章目录referencereference

文章目录

文章目录abstractAsynchronous RL Frameworkasynchronous n-step Q-learningasynchronous advantage acother tricksoptimization优化算法expscalbility and data efficiencyRobutness and Stabilitycode trick总结conclusion ...

主要是参考https://blog.youkuaiyun.com/jinzhuojun/article/details/72851548value based和policy based的优缺点在RL任务中，我们本质上最终要学习的是策略（Policy）。前者用的是间接方法，即通过学习值函数（value function）或者动作值函数（action-value function）来得到policy。而后者...

转载自 https://blog.youkuaiyun.com/zjucor/article/details/79200630Q-learning 是一种基于值函数估计的强化学习方法，Policy Gradient是一种策略搜索强化学习方法。两者是求解强化学习问题的不同方法，如果熟悉监督学习，前者可类比Naive Bayes——通过估计后验概率来得到预测，后者可类比SVM——不估计后验概率而直接优化学习目...