强化学习(David Silver)7：策略梯度算法

标签：局部最优   梯度   bsp   空间   ase   算法   base   特性   全局最优   

1、value based方法/policy based方法优劣

学生指出：因为value based需要更多的存储

silver：why？

silver：（自问自答）因为策略值比值函数更有效

PPT总结：

优势：

更好的收敛特性

在高维或者连续的action空间里面有效

可以学习随机策略

劣势：

收敛到局部最优，而非全局最优

policy估计是无效的??和高反差的

2、优化问题的求解方法

非梯度算法：爬山法；单纯性法/amoeba/NelderMead；生成算法

梯度算法：梯度/共轭梯度/拟牛顿

强化学习(David Silver)7：策略梯度算法

标签：局部最优   梯度   bsp   空间   ase   算法   base   特性   全局最优   

原文地址：http://www.cnblogs.com/ai1024/p/7380280.html