【强化学习】Deterministic Policy Gradient跟Stochastic Policy Gradient区别

Deterministic Policy Gradient(DPG)
Stochastic Policy Gradient(SPG)
DPG是SPG的概率分布方差趋近于0的极限状态。
policy gradient 的思想是,沿着目标函数变大的方向调整policy的参数。

  • SPG
    policy是一个从state到action概率分布的映射。这里写图片描述,因此performance objective定义如下,包涵两次积分,其中一次为对policy space的积分。
    这里写图片描述
    SPG的梯度公式为:
    这里写图片描述
    由上图可以看出,SPG需要同时考虑状态概率分布以及动作概率分布,因此如果要进行学习训练,就需要大量的样本来覆盖整个二维的状态动作空间。
  • DPG
    DPG的policy是从state到action的一个映射S->A,因此performance objective 定义如下,只用求一次积分,不需要对action space 求积分。
    这里写图片描述
    DPG的梯度公式为:
    这里写图片描述
    由上图可得,DPG仅需要考虑状态概率分布。
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