资讯详情

深耕网站建设与运营推广的一线实战洞察。

RL-10-赵-Actor-Critic01-在线算法01：QAC【Actor：Policy函数拟合算法】【Critic：Sarsa算法】【π＞0，具有探索性】【Q表示action value】

发布时间：2026/9/29 10:42:54 拓冰企业网站定制

我们知道基于Monte-Carlo的Policy Gradient算法如下图所示：我们将估计action values的方法换成“Temporal-diﬀerence learning”，现在给出第一个Actor-Critic算法：QAC

网站建设企业官网运营推广

返回列表