1. value-based和policy gradient的不同:
a. 输出不同: value-based方法 (Q learning, Sara)输出的是 p ( s ) p(s) p(s)或 p ( s , a ) p(s,a) p(s,a); Policy gradient输出的 p ( a ∣ s ) p(a|s)
强化学习3-策略梯度(policy gradient)
最新推荐文章于 2024-06-30 10:57:41 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)
1. value-based和policy gradient的不同:
a. 输出不同: value-based方法 (Q learning, Sara)输出的是 p ( s ) p(s) p(s)或 p ( s , a ) p(s,a) p(s,a); Policy gradient输出的 p ( a ∣ s ) p(a|s)