置信域方法總結——TRPO、ACER、ACKTR、PPO

置信域方法總結——TRPO、ACER、ACKTR、PPO 一、概述 引用GAE論文的觀點，策略梯度法存在的兩個方面問題： 樣本利用率低，由於樣本利用率低需要大量採樣； 算法訓練不穩定，需要讓算法在變化的數據分佈中穩定提升； 目前比較常用的四種置信域方法TRPO、ACER、ACKTR、PPO，就是圍繞策略梯度法的上述兩方面問題進行改進和優化。 算法 TRPO ACER ACKTR PPO 穩定性問題

>>阅读原文<<