WegZumHimmel

摘要： 随机性策略和确定性策略： 随机性策略，策略输出的是动作的概率，比如上一篇A3C博客提到的连续动作控制，使用的是一个正态分布对动作进行采样选择，即每个动作都有概率被选到；优点，将探索和改进集成到一个策略中；缺点，需要大量训练数据。 确定性策略，策略输出即是动作；优点，需要采样的数据少，算法效率高；缺点 阅读全文