强化学习中的off-policy 和on-policy
强化学习可以分成off-policy(离线)和on-policy(在线)两种学习方法,按照个人理解,判断一个强化学习是off-policy还是on-policy的依据在于生成样本的policy(value-funciton)和网络参数更新时的policy(value-funciton)是否相同。off-policy的经典算法有Q-learning,而on-policy的经典算法有SARSA算法,两者
原创
2017-05-01 14:44:02 ·
10935 阅读 ·
3 评论