ARTICLE DETAIL

资讯详情

深耕编程基础知识与建站技术分享的一线实战洞察。

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 10:44:01 编程学习之家

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

编程学习技术干货建站教程

返回列表