#青训营 x 字节后端训练营#
PG

直接用神经网络去拟合策略函数

DPG

拟合的策略不是一个动作概率分布，而是一个确定性的策略

优势：在选取某状态下最优动作时，无需遍历所有动作，只需根据函数π(s)即可得到

DDPG

结合lDPG、DQN、和AC框架的思想，在用神经网络去拟合策略函数的基础上，再用神经网络去学习Q函数。因为AC框架包含两个部分，且DQN又是双网络的，故一共有4个网络：
展开
青训营-快乐出发
评论
相关推荐