改变从此发生

原创 强化学习PPO算法的思路流程

首先可以肯定的是PPO算法是基于actor-critic框架的，但是它又含有强烈的Policy Gradient的风格。本文仅介绍PPO算法的应用流程。通常PPO算法的实现中有三个network，一个critic network，两个actor network（old_actor and new_actor）。在一个episode中，agent首先利用现有的策略Pi (new_actor ne...