快速收敛的Softmax策略镜像上升

💡 原文中文,约600字,阅读约需2分钟。
📝

内容提要

本研究提出了一种改进的策略镜像上升算法(SPMA),有效解决了自然策略梯度方法在大规模状态-动作空间中收敛速度慢的问题。SPMA无需对动作进行规范化,能够快速接近最优值函数,并在多个基准测试中表现出色。

🏷️

标签

➡️

继续阅读