1、value based方法/policy based方法优劣
学生指出:因为value based需要更多的存储
silver:why?
silver:(自问自答)因为策略值比值函数更有效
PPT总结:
优势:
更好的收敛特性
在高维或者连续的action空间里面有效
可以学习随机策略
劣势:
收敛到局部最优,而非全局最优
policy估计是无效的??和高反差的
2、优化问题的求解方法
非梯度算法:爬山法;单纯性法/amoeba/NelderMead;生成算法
梯度算法:梯度/共轭梯度/拟牛顿
时间: 2024-10-09 20:35:15