个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
29
4
Deep Deterministic Policy Gradient (DDPG) 是在 Action 空间连续时进行强化学习的最先进方法。其核心算法是Deterministic Policy Gradient .
然而，在阅读论文并听完演讲(http://techtalks.tv/talks/deterministic-policy-gradient-algorithms/61098/)后，我仍然无法弄清楚确定性 PG 相对于随机 PG 的根本优势是什么。演讲说它更适合高维 Action ，更容易训练，但这是为什么呢？
最佳答案
策略梯度法的主要原因是解决连续 Action 空间问题，由于全局Q最大化，Q学习困难。
SPG 可以解决连续 Action 空间问题，因为它用连续概率分布表示策略。由于 SPG 假设它的策略是一个分布，它需要对 Action 进行积分以获得整体奖励的梯度。 SPG 使用重要性采样来进行这种集成。
DPG 通过从状态到 Action 的确定性映射来表示策略。它可以这样做，因为它没有采取全局最大 Q 的 Action ，而是根据确定性映射(如果在策略上)选择 Action ，同时通过 Q 的梯度(开和关策略)移动此确定性映射。整体奖励的梯度有一个形式，不需要对 Action 进行积分，更容易计算。
可以说，从随机策略转变为确定性策略似乎是一种退步。但首先引入随机策略仅用于处理连续 Action 空间。确定性策略现在提供了另一种处理连续 Action 空间的方法。
我的观察是从这些论文中获得的:
确定性策略梯度算法
具有函数逼近的强化学习的策略梯度方法
深度强化学习的持续控制
关于reinforcement-learning - 确定性策略梯度相对于随机策略梯度的优势是什么？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/42763293/
29
4
0
我让随机数低于之前的随机数。 if Airplane==1: while icounter0: print "You have enoph fuel to get to New
是否可以生成 BigFloat 的随机数？类型均匀分布在区间 [0,1)? 我的意思是，因为 rand(BigFloat)不可用，看来我们必须使用 BigFloat(rand())为了那个结局。然而，
我正在尝试学习 Kotlin，所以我正在学习互联网上的教程，其中讲师编写了一个与他们配合良好的代码，但它给我带来了错误。 这是错误 Error:(26, 17) Kotlin: Cannot crea
是否有任何方法可以模拟 Collections.shuffle 的行为，而不使比较器容易受到排序算法实现的影响，从而保证结果的安全？ 我的意思是不违反类似的契约(Contract)等.. 最佳答案 在
我正在创建一个游戏，目前必须处理一些math.random问题。 我的Lua能力不是那么强，你觉得怎么样 您能制定一个使用 math.random 和给定百分比的算法吗？ 我的意思是这样的函数: fu
我想以某种方式让按钮在按下按钮时随机改变位置。我有一个想法如何解决这个问题，其中一个我在下面突出显示，但我已经认为这不是我需要的。 import javafx.application.Applicat
对于我的 Java 类(class)，我应该制作一个随机猜数字游戏。我一直陷入过去几天创建的循环中。程序的输出总是无限循环，我不明白为什么。非常感谢任何帮助。 /* This program wi
我已经查看了涉及该主题的一些其他问题，但我没有在任何地方看到这个特定问题。我有一个点击 Web 元素的测试。我尝试通过 ID 和 XPath 引用它，并使用 wait.until() 等待它变得可见。
我在具有自定义类的字典和列表中遇到了该异常。示例: List dsa = (List)Session["Display"]; 当我使用 Session 时，转换工作了 10-20 次..然后它开始抛
需要帮助以了解如何执行以下操作: 每隔 2 秒，这两个数字将生成包含从 1 到 3 的整数值的随机数。 按下“匹配”按钮后，如果两个数字相同，则绿色标签上的数字增加 1。 按下“匹配”按钮后，如果两个
void getS(char *fileName){ FILE *src; if((src = fopen(fileName, "r")) == NULL){ prin
如果我有 2 个具有以下字段的 MySQL 数据库... RequestDB: - Username - Category DisplayDB: - Username - Category
我有以下语句 select random() * 999 + 111 from generate_series(1,10) 结果是: 690,046183290426 983,732229881454
我有一个使用 3x4 CSS 网格构建的简单网站。但出于某种原因，当我在 chrome“检查”中检查页面时，有一个奇怪的空白 显然不在我的代码中的标签。 它会导致网站上出现额外的一行，从而导致出现
我有两个动画，一个是“过渡”，它在悬停时缩小图像，另一个是 animation2，其中图像的不透明度以周期性间隔重复变化。 我有 animation2 在图像上进行，当我将鼠标悬停在它上面时，anim
如图所示post在 C++ 中有几种生成随机 float 的方法。但是我不完全理解答案的第三个选项: float r3 = LO + static_cast (rand()) /( static_c
我正在尝试将类添加到具有相同类的三个 div，但我不希望任何被添加的类重复。 我有一个脚本可以将一个类添加到同时显示的 1、2 或 3 个 div。期望的效果是将图像显示为背景图像，并且在我的样式表中
我有一个基本上可以工作的程序，它创建由用户设置的大小的嵌套列表，并根据用户输入重复。 但是，我希望各个集合仅包含唯一值，目前这是我的输出。 > python3 testv.py Size of you
我正在尝试基于 C# 中的种子生成一个数字。唯一的问题是种子太大而不能成为 int32。有什么方法可以像种子一样使用 long 吗？ 是的，种子必须很长。 最佳答案 这是我移植的 Java.Util.
我写这个函数是为了得到一个介于 0 .. 1 之间的伪随机 float : float randomFloat() { float r = (float)rand()/(float)RAN
我是一名优秀的程序员,十分优秀！