neumy

摘要： 21/9/4 读书笔记 强化学习 其他算法 Asynchronous Advantage Actor-Critic （A3C） 之前我们介绍了通过经验回放的方式降低每次网络更新间的相关性（即Double DQN的方式），但是这种方式仍然有一定的瓶颈，因为经验回放池中的数据相关性还是太强。这种相关性归 阅读全文

摘要： 21/9/3 读书笔记 强化学习 Actor-Critic Actor-Critic思想的来源 Actor-Critic的基本思想来自于Policy Gradient，用于在连续的动作空间内选取动作。Actor-Critic中的Actor就是采用了Policy Gradient的算法，而Critic 阅读全文