Datawhale - Task03:Actor-Critic

目录

一、REINFORCE算法

二、带基线函数的REINFORCE算法

三、Actor-Critic算法

四、A2C与A3C算法


        本文为Datawhale《深度强化学习基础与实践(二)》学习总结。

        以下为本文参考资料:

  1. Reinforcement Learning: An Introduction
  2. 动手学强化学习(https://hrl.boyuai.com)
  3. JoyRL(datawhalechina/joyrl-book (github.com)
  4. 神经网络与深度学习,邱锡鹏

        今天来整理一下REINFORCE、带基线函数的REINFORCE、AC、A2C、A3C算法。

一、REINFORCE算法

        基于轨迹的梯度公式(含折扣因子$\gamma$):

  • 22
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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