ICML-On-Policy Deep Reinforcement Learning for the Average-Reward Criterion

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

On-Policy Deep Reinforcement Learning for the Average-Reward Criterion

                       Yiming Zhang 1 Keith W. Ross 2 1

             Abstract                Haarnoja et al., 2018) or in a queuing scenario (Tadepalli
                                 & Ok, 1994; Sutton & Barto, 2018), there is no natural sep-
    We develop theory and algorithms for average-       aration of episodes and the agent-environment interaction
    reward on-policy Reinforcement Learning (RL).       continues in ...

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：CRITERION Learning earning average Reward