强化学习《基于策略 - PPO，TRPO，PPO2》

最新推荐文章于 2024-03-09 15:48:16 发布

星海千寻

最新推荐文章于 2024-03-09 15:48:16 发布

阅读量650

点赞数

CC 4.0 BY-SA版权

分类专栏：强化学习文章标签： PPO TRPO PPO2

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/qq_29367075/article/details/110257405

强化学习专栏收录该内容

12 篇文章

订阅专栏

本文将详细介绍如何通过PPO算法来确保θ和θ^k之间的差异不会过大，从而提高结果的质量。文章将依次介绍PPO1、TRPO及PPO2算法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在上一篇博客最后，我们说到了θ和θ^k是不能差太多的，不然结果会不好，那么怎么避免它们差太多呢?
这就是这一篇要介绍的PPO所在做的事情。

1：PPO1算法：

在这里插入图片描述

2：TRPO算法

3：PPO2算法

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。