2021年7月20日
Safe and efficient off-policy reinforcement learning（Retrace）
摘要： **发表时间：**2016（NIPS 2016） **文章要点：**提出了一种新的在off-policy算法中修正behavior policy和target policy的方法：Retrace(λ)。最常见的修正当然是importance sampling，这个方式不仅用在value based方 阅读全文
posted @ 2021-07-20 02:06 initial_h 阅读(216) 评论(0) 推荐(0) 编辑