【RL】同策略(on-policy)与异策略(off-policy)

本文介绍了强化学习中的两种关键策略:同策略(on-policy)与异策略(off-policy)。通过对比Sarsa(一种同策略方法)与Q-learning(一种异策略方法),详细阐述了这两种策略在时序差分控制中的应用及区别。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


为了列表中相同类型好对比
先占坑
等开学再填坑

简介

根据更新Q值时使用的策略是既定策略(on-policy)还是新策略(off-policy)可以分为on/off policy学习

同策略on-policy

异策略off-policy

同策略、异策略区别

Sarsa:同策略时序差分控制

Q-learning:异策略时序差分控制

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Tialyg

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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。

余额充值