摘选自强化学习精要 核心算法与TensorFlow实现第3-5部分

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

仅供非商 业用途或交流学习使用


             第三部分
         基于策略梯度的算法
   第三部分将介绍基于策略梯度的强化学习算法，不同于第二部分，本部分介绍的
  算法将直接基于长期回报期望进行优化，使用的也是在机器学习领域常见的基于梯度
  的优化方法 。 策略梯度法－直受到广泛关注，基于这种思想的算法也非常多，从其中很
  多算法身上都能看到其他领域算法的影子 。 作为一类经典算法，策略梯度法在学习策
  略模型过程中表现得相对稳定，同时也可以处理离散和连续行动空间的计算，基于策
  略模型的改进方案也使算法有了很大的提高 。
   第 三部分共包含三章 ：
   · 第 9 章介绍了策略梯度法的基本原理，以及其改进算法 Actor Critic ，并介绍了
   A2C 算法的实现 。
   · 第 10 章介绍了使策略单调提升的算法，其中包括置信区域策略优化（ TRPO ）和
   近端策略优化（ PPO ）。
   · 第 11 章介绍了提高样本利用率的策略梯度算法，其中包括基于经验回放的 Actor
   Critic ( ACER ）和确定策略 ...

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：Tensor 核心算法 flow ten LOW