强化学习算法 —— 时变基线 —— 时变基线的计算方式为:取批次内所有轨迹,对每个时间步的回报值做平均
资料:
https://digitalassets.lib.berkeley.edu/techreports/ucb/text/EECS-2016-217.pdf
时变基线

The time-dependent baseline was computed by averaging the return at each timestep over
the trajectories in the batch.
豆包AI生成:




本博客是博主个人学习时的一些记录,不保证是为原创,个别文章加入了转载的源地址,还有个别文章是汇总网上多份资料所成,在这之中也必有疏漏未加标注处,如有侵权请与博主联系。
如果未特殊标注则为原创,遵循 CC 4.0 BY-SA 版权协议。
posted on 2026-04-28 10:54 Angry_Panda 阅读(14) 评论(0) 收藏 举报
浙公网安备 33010602011771号