【《強化學習基礎理論概述》2700字】_第1頁
【《強化學習基礎理論概述》2700字】_第2頁
【《強化學習基礎理論概述》2700字】_第3頁
【《強化學習基礎理論概述》2700字】_第4頁
免費預覽已結束，剩余1頁可下載查看

付費下載

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

[38]。該方法本質(zhì)上是一種線性策略，并利用方向導數(shù)近似梯度，且Horia等人將其應用于連續(xù)控制的多個MuJoCo運動任務上，取得了良好的效果。其線性策略為πx=Mx，主要過程仍然是一個隨機搜索過程，即每次在策略參數(shù)M上添加正負擾動M±vδk，形成策略如式2?10π根據(jù)rollouts的結果獎勵對策略參數(shù)M進行更新。M←M+α隨著策略訓練的進行，策略參數(shù)空間中的隨機搜索可能會導致不同迭代中觀察到的獎勵有很大的不同，因此難以選擇一個固定的步長α，使長步長和短步長之間不會產(chǎn)生較差的改變。增強隨機搜索算法則是采用均值方差來對迭代過程中獎勵r(θ+vδ)、r(θ?vδ)差異進行限制，如式2?12。π由于狀態(tài)每個維度大小不一致，該算法還使用狀態(tài)歸一化的方法，來保證策略參數(shù)對狀態(tài)空間中各個維度作用效果相同。其次，在更新步長時對不同方向進行篩選，去掉獎勵最少的方向，只對獎勵最大方向進行更新，該算法認為獎勵最少的方向在之后的更新仍然不會獲得較大的獎勵。max

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論