Lee Hung-yi強化學習 | (2) Proximal Policy Optimization算法(PPO)

Lee Hung-yi強化學習專欄系列博客主要轉載自CSDN博主 qqqeeevvv，原專欄地址 課程視頻 課件地址 1. On-policy vs. Off-policy 所謂 on-policy （左圖）指我們學習的 agent（即actor） 和與環境交互的 agent 是相同的，即 agent 一邊和環境互動，一邊學習； 而 off-policy （右圖）指我們學習的 agent 與環境交

>>阅读原文<<