2020年4月28日
深度强化学习-策略梯度类算法梳理笔记
摘要： Policy Gradient 类的算法是通过梯度计算去更新策略网络的参数，因此目标函数就直接设计成期望累积奖励。这个期望值有多种表达方式，也就对应着不同的具体算法对损失函数的不同计算方法。这里总结的Policy Gradient 类的算法包括：Reinforce，受限策略梯度，PPO1 和 PPO2。对这几种算法的损失函数设计和流程做了归纳和对比。 阅读全文
posted @ 2020-04-28 17:06 Quantum-Cheese 阅读(425) 评论(0) 推荐(0) 编辑