[強化學習]易混知識勘誤_from李宏毅P2——PPO\Off-policy\On-policy\PPO2

本文是這篇博文的注，如有需要請以其爲綱 1.On-policy/Off-policy 若agent與環境互動，則爲On-policy（此時因爲agent親身參與，所以互動時的policy和目標的policy一致）；若agent看別的agent與環境互動，自己不參與互動，則爲Off-policy（此時因爲互動的和目標優化的是兩個agent，所以他們的policy可能不一致）。 兩者在採樣數據利用上的

>>阅读原文<<