瓦瑟斯坦策略优化

💡 原文中文,约400字,阅读约需1分钟。
📝

内容提要

本研究提出了一种名为瓦瑟斯坦策略优化(WPO)的强化学习演员-评论家算法,适用于连续动作空间,结合了确定性和经典策略梯度方法的优点,表现优异。

🏷️

标签

➡️

继续阅读