强化学习策略梯度方法之: REINFORCE 算法 （从原理到代码实现）[转载]

https://www.cnblogs.com/wangxiaocvpr/p/6623078.html

 

最近在看policy gradient algorithm, 其中一种比较经典的算法当属：REINFORCE 算法，已经广泛的应用于各种计算机视觉任务当中

【REINFORCE 算法原理推导】

 

  

  

【Pytorch 代码实现】

 

 

该图像来自于：https://github.com/JamesChuanggg/pytorch-REINFORCE/blob/master/assets/algo.png 

 

 

 

 

上面函数是 离散情况下的，那么，连续领域是什么情况呢？ 

 

 

 

 

 

 

-------------------------------------------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------------------------------------------

Reference：

1. 参考博文：http://www.tuananhle.co.uk/notes/reinforce.html 

2. 参考博文：http://www.scholarpedia.org/article/Policy_gradient_methods 

3. 代码实现（Pytorch version）https://github.com/JamesChuanggg/pytorch-REINFORCE 

4. REINFORCE 文章链接：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.129.8871&rep=rep1&type=pdf 

5. 书籍：Statistical_Reinforcement_Learning