会员
周边
众包
新闻
博问
闪存
赞助商
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
孙卓文Vincent
博客园
首页
新随笔
联系
订阅
管理
2019年4月17日
强化学习算法Policy Gradient
摘要: 1 算法的优缺点 1.1 优点 在DQN算法中,神经网络输出的是动作的q值,这对于一个agent拥有少数的离散的动作还是可以的。但是如果某个agent的动作是连续的,这无疑对DQN算法是一个巨大的挑战,为了解决这个问题,前辈们将基于值的方法改成了基于策略的方法,即输出动作的概率。 1.2 缺点 策略
阅读全文
posted @ 2019-04-17 13:03 最后的战役aag
阅读(1064)
评论(0)
推荐(0)
编辑
公告