强化学习笔记(4)——VPG算法
- 2026-03-01 17:16:28
强化学习笔记(4)——VPG算法
强化学习笔记(4)——VPG算法
前面几篇文章介绍了强化学习算法的基本概念、分类、策略优化算法，本文章介绍一种具体的策略优化算法VPG。
介绍了完整的算法执行流程，包含搜集轨迹、计算奖励、计算优势、更新策论参数、更新价值方程参数。
VPG属于在线策论(on policy )类型的算法，也就是必须利用当前策略采集的数据优化当前策略，无法复用历史数据。on policy 的优势是算法稳定性好，能保证收敛。
#VPG算法详解 #策略优化算法 #强化学习笔记 #Vanilla Policy Gradient
思维之树
广东,1小时前,
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
