TD3:双延迟深度确定性策略梯度算法

目录

模型架构

Double Q-learning

Target Policy Smoothing​

Delayed

损失函数

学习过程


TD3:Twin Delayed Deep Deterministic Policy Gradient,是一种面向连续动作空间基于Actor-Critic架构的深度强化学习算法,在DDPG算法基础上,同时对policy网络和value网络进行改进,优化了Q-Value的过高估计问题。

模型架构

Double Q-learning

DDQN借鉴了Double Q-learning的思想,将选取action和估计value分别在predict network和target network网络上计算,有效优化了DQN的Q-Value过高估计问题。

TD3采用了更加原始的Double Q-learning方法,单独设计了两个网络(Twin)表示不同的Q-Value,通过选取最小的Target Q,来抑制持续地过高估计。

  • 6
    点赞
  • 52
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值