連續(xù)空間的遞歸最小二乘行動者—評論家算法

2 RLSAC 算法


Policy Gradient Methods for Reinforcement Learning with Function SMSM-NIPS99.pdf

此文是前面看的幾篇的基礎(chǔ)
** 2 Policy Gradient with Approximation**


Theorem 2 (Policy Gradient with Function Approximation).





3 Application to Deriving Algorithms and Advantages
7p
the advantage function
在綜述中描述不清,這里解釋比較通順。The choice of v does not affect any of our theorems, but can substantially affect the variance of the gradient estimators. baseline的問題

4 Convergence of Policy Iteration with Function Approximation

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

  • 夜深之際,柔軟的白色輕紗匆匆滑入窗內(nèi)。而在它附近的另一扇窗中,卻警覺地閃過了一個高大的影子,仔細觀察了那窗一番后,...
    Vesper_Xiao閱讀 348評論 0 2
  • 文/Eva77 古代先賢講:“修身、齊家、治國、平天下”,即是說要天下太平,應(yīng)當先把各國治理好;要治理好各國,應(yīng)該...
    Eva77閱讀 1,044評論 0 3
  • [大螺絲]得到打卡DAY61/90 關(guān)于錢,必須要記得的四點:
    江尺瀾依閱讀 197評論 0 0

友情鏈接更多精彩內(nèi)容