一起读《深度强化学习实战》- 演员评论家算法

LitchiCheng

一起读《深度强化学习实战》- 演员评论家算法 [复制链接]

定义

• 演员(Actor)负责执行策略，也就是表演动作，同时也会根据评论家的信息来调整参数，来更好的“表演”。
• 评论家(Critic)负责评价，同时评论家也会根据演员的决策来更新价值估计，使其更加准确。
• 训练过程中，演员和评论家会相互协作，共同优化策略和价值函数，减少了梯度下降过程中的噪声。
• A2C：Advantage Actor-Critic
• A3C：Asynchronous Advantage Actor-Critic
• 可以单步进行，比策略梯度更快

 

图片选自awesome-DeepLearning/docs/tutorials/reinforcement_learning/Actor-Critic.md at master · PaddlePaddle/awesome-DeepLearning (github.com)

查看本帖全部内容，请登录或者注册

freebsder

以前操作系统原理里面有个哲学家，现在搞个评论家

LitchiCheng

freebsder 发表于 2023-12-19 20:31 以前操作系统原理里面有个哲学家，现在搞个评论家

哈哈哈哈，名词高大上才有人关注