Value-based RL和Policy-based RL 的區別

? Value-based RL 都是確定的一個策略：$a_t=\arg {\max }_{a}Q\left(a,s_t\right)$。

? Policy-based RL 產生的是各個動作的概率：${\pi }_{\theta }(a|s)$。例如下圖用神經網路來構建策略，$\theta$可以看做是各個連接層之間的參數，輸入的是游戲的像素（狀態），通過網絡輸出的是每個動作的概率（這里就是上或者下）。

Value-based RL：學習價值函數，從價值函數采取出策略，是一種間接產生策略的方法。

Policy-based RL：學習策略函數，直接產生策略的方法。

總結

以上是生活随笔為你收集整理的强化学习6——Value-based RL和Policy-based RL 的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。