RL policy gradient 之 A2C, A3C,PPO小總結
A2C, A3C, PPO 都不是純 policy based 的 RL 方法，準確地說是 Actor-Critic 方法，即，同時用到了 value function 和 policy funtion. 這三種方法之間有什麼區別呢？ A2C 這裏的數字 2 其實是說有多少個 「A」 的意思, 作爲 Actor-Critic 方法的一種，A2C 是在 Actor-Critic 方法的基礎上多了一個
相關文章
- 1. Policy Gradient 之 A3C 與 A2C 算法
- 2. Actor-Critic、A2C、A3C、Pathwise Derivative Policy Gradient
- 3. （轉）RL — Policy Gradient Explained
- 4. Lee Hung-yi強化學習 | (6) Actor-Critic、A2C、A3C、Pathwise Derivative Policy Gradient
- 5. 【RL】Vanilla Policy Gradient（VPG）
- 6. 8.Actor-Critic+A2C+A3C
- 7. Policy Gradient Algorithms
- 8. 深度強化學習之Policy Gradient & Actor-Critic Model & A3C
- 9. Proximal Policy Optimization (PPO)
- 10. 【RL】從on-policy到off-policy
- 更多相關文章...
- • Docker 資源彙總 - Docker教程
- • XML 總結 下一步學習什麼呢？ - XML 教程
- • 算法總結-雙指針
- • 算法總結-回溯法
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Policy Gradient 之 A3C 與 A2C 算法
- 2. Actor-Critic、A2C、A3C、Pathwise Derivative Policy Gradient
- 3. （轉）RL — Policy Gradient Explained
- 4. Lee Hung-yi強化學習 | (6) Actor-Critic、A2C、A3C、Pathwise Derivative Policy Gradient
- 5. 【RL】Vanilla Policy Gradient（VPG）
- 6. 8.Actor-Critic+A2C+A3C
- 7. Policy Gradient Algorithms
- 8. 深度強化學習之Policy Gradient & Actor-Critic Model & A3C
- 9. Proximal Policy Optimization (PPO)
- 10. 【RL】從on-policy到off-policy