强化学习问题集锦

目录

1，为什么要有actor和critic，而不是仅仅一个critic就够用？
2，actor和critic是否能够在线训练，及原理

正文

1，为什么要有actor和critic，而不是仅仅一个critic就够用？

可以参考这个强化学习（Reinforcement learning）中Actor-Critic算法该如何深入理解？ - 江申的回答 - 知乎
https://www.zhihu.com/question/56692640/answer/356076696

2，actor和critic是否能够在线训练，及原理

critic

以自动打超级玛丽来说：
输入图片（可保存），输出当前分数（可保存）。若用cnn的话是可以每一帧都训练。但是lstm是不行的，因为你虽然可以保留h向量。
但是你已经更新了权重，因此h的值在相同的情况下是不一样的。因此除非保存一整段视频和分数。

actor

同上