chnyist 的博客

原创 GAE 算法

点我到原文查看最新更新 准备 众所周知, 策略梯度有多种写法, 总的来说, 在保持策略梯度不变的情况下, 策略梯度可以写作 g=E[∑t=0∞Ψt∇θlog⁡π0(at∣st)](1) g=\mathbb{E}\left[\sum_{t=0}^{\infty}\Psi_t\nabla_\theta \log\pi_0(a_t\mid s_t)\right]\tag{1} g=E[t=0∑∞​Ψt​∇θ​logπ0​(at​∣st​)](1) 其中 Ψ\PsiΨ 可以是 1.  ∑t=0∞rt轨迹的总回报2.