gongzb

摘要： 转自：https://zhuanlan.zhihu.com/p/384497349 关于on-policy和off-policy的定义，网上有很多不同的讨论，比较常见的说法是看behavior policy（行为策略，即与环境进行交互的策略）和target policy（目标策略，即学习准确地评估Q 阅读全文

摘要： SAC算法简介 转自：https://zhuanlan.zhihu.com/p/385658411 柔性动作-评价（Soft Actor-Critic，SAC）算法的网络结构有5个。SAC算法解决的问题是 离散动作空间和连续动作空间 的强化学习问题，是 off-policy 的强化学习算法（关于on 阅读全文