2024年1月24日
从Policy Gradient到PPO的来龙去脉
摘要： 1. PPO算法 \(PPO\) 算法全称 \(Proximal\ Policy\ Optimization\) ，即近端策略优化算法，该算法是 \(OpenAI\) 在 \(2017\) 提出的一种强化学习算法，被认为是目前强化学习领域的 \(SOTA\) 方法，也是适用性最广的算法之一。 \(P 阅读全文
posted @ 2024-01-24 19:51 Yu_tiann 阅读(1129) 评论(1) 推荐(2) 编辑
​