原创力文档异策略学习
教学提纲1掌握重要性采样的原理
23掌握异策略蒙特卡洛控制算法
4掌握异策略时序差分控制算法
掌握异策略学习的原理
异策略学习?强化学习在与环境互动的过程中学习，然而现实世界中直接与真实环境互动成本高，安全风险大。?通常使用异策略学习解决这个问题。
?在强化学习控制的过程中：若行动遵循的行动策略（BehaviorPolicy）和被评估的目标策略（TargetPolicy）是同一个策略，则称为同策略学习（On-policyLearning）。若行动遵循的行动策略和被评估的目标策略是不同的策略，则称为异策略学习（Off-policyLearning）。?在异策略学
文档评论（0）