根据是否建立环境动力学模型的分类
{ 有模型方法：例如动态规划法 无模型方法：如蒙特卡诺、时序差分法 \begin{cases} 有模型方法：例如动态规划法 \\ 无模型方法：如蒙特卡诺、时序差分法\end{cases} {有模型方法：例如动态规划法无模型方法：如蒙特卡诺、时序差分法
根据估计策略还是值函数的分类
{ 基于值函数的方法：动态规划、蒙特卡诺、时序差分、值函数逼近等 基于策略的方法：如蒙特卡诺策略梯度法、时序差分策略梯度法 行动家 − 批评家方法：既有值函数估计，又有策略估计， A C , A 2 C , A 3 C \begin{cases} 基于值函数的方法：动态规划、蒙特卡诺、时序差分、值函数逼近等 \\ 基于策略的方法：如蒙特卡诺策略梯度法、时序差分策略梯度法\\ 行动家-批评家方法：既有值函数估计，又有策略估计，AC,A2C,A3C \end{cases} ⎩ ⎨ ⎧基于值函数的方法：动态规划、蒙特卡诺、时序差分、值函数逼近等基于策略的方法：如蒙特卡诺策略梯度法、时序差分策略梯度法行动家−批评家方法：既有值函数估计，又有策略估计，AC,A2C,A3C
5474
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
