DPPO算法（顺便对比PG、TRPO、PPO、PPO2以及A3C算法）

最新推荐文章于 2023-10-05 18:53:13 发布

薛定谔的炼丹炉！

最新推荐文章于 2023-10-05 18:53:13 发布

阅读量4.6k

点赞数 3

分类专栏：强化学习文章标签：算法人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_43703185/article/details/124727040

版权

DPPO是分布式版本的PPO算法，解决了离线策略更新问题。文章对比了DPPO与其他强化学习算法，如PG、TRPO、PPO和PPO2，强调了DPPO的并行性和策略更新的稳定性。PPO通过限制策略更新幅度改善PG的敏感性，而DPPO则进一步实现了多线程加速。

摘要由CSDN通过智能技术生成

强化学习（9）：TRPO、PPO以及DPPO算法：https://blog.csdn.net/zuzhiang/article/details/103650805
DPPO深度强化学习算法实现思路(分布式多进程加速)： https://blog.csdn.net/weixin_43145941/article/details/116764574
[DPPO]:再看我的影分身之术（附代码及代码分析）：https://zhuanlan.zhihu.com/p/111346592

PPO
在这里插入图片描述

TRPO
在这里插入图片描述

PPO（Proximal Policy Optimization）是一种解决 PG 算法中学习率不好确定的问题的算法，因为如果学习率过大，则学出来的策略不易收敛，反之，如果学习率太小，则会花费较长的时间。PPO 算法利用新策略和旧策略的比例，从而限制了新策略的更新幅度，让 PG 算法对于稍微大一点的

最低0.47元/天解锁文章

薛定谔的炼丹炉！

关注

3
点赞
踩
13

收藏

觉得还不错? 一键收藏
1
评论
DPPO算法（顺便对比PG、TRPO、PPO、PPO2以及A3C算法）

强化学习（9）：TRPO、PPO以及DPPO算法：https://blog.csdn.net/zuzhiang/article/details/103650805DPPO深度强化学习算法实现思路(分布式多进程加速)： https://blog.csdn.net/weixin_43145941/article/details/116764574[DPPO]:再看我的影分身之术（附代码及代码分析）：https://zhuanlan.zhihu.com/p/111346592PPOTRPOPPO（P
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。