盛年不重来，一日难再晨，及时当勉励，岁月不待人。这篇文章主要讲述Policy-based Approach(基于策略的方法)相关的知识，希望能为你提供帮助。
文章图片
文章图片
文章图片
step 1:Neural Network as Actor
文章图片
step 2:goodness of function(训练一些Actor)
文章图片
是一个序列，包含T个状态s、行为a、奖励s。代表某一次的开始到结束的过程。
文章图片
是一个奖励和，全部episode从开始到结束的总reward。
文章图片
是某一设定好的参数
文章图片
获得的总平均奖励
用策略
文章图片
去玩N次游戏获得N个
文章图片
，则从概率
文章图片
中进行采样。
文章图片
【Policy-based Approach(基于策略的方法)】
step 3:pick the best function(找到最好的一个Actor)
方法：Gradient Ascent
即最大化
文章图片
，用Gradient Ascent方法寻找使
文章图片
最大的
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
添加偏置
这里的
文章图片
有可能总是正数，加上一个偏置b即可，b可以自己设，一个较简单的设法取每个
文章图片
的平均值
文章图片
。
如果相减还是得到一个正数则可以提高该行为的概率，否则降低该行为的概率
文章图片
文章图片
推荐阅读
- [译]AndroidStudio 3.6 新特性概览
- Android 7.0 CTA认证蓝牙权限未明示的问题
- Ubuntu Redis安装详细步骤图解
- 什么是Web服务（）
- Web服务组件
- Web服务的类型
- RESTful Web服务教程
- Web服务的关键术语
- 屏幕刷新率多少合适,图文详细说明电脑屏幕刷新率多少合适