近端策略优化
近端策略優化(英語:Proximal Policy Optimization,PPO)[1]是OpenAI公司于2017年开发的一系列无模型强化学习算法。该算法采用了策略梯度算法,这意味着它们的做法是搜索策略空间而非状态-动作对的值。
近端策略优化包含了置信域方法的一些优点,如更易于实现,更通用,并且具有更好的样本复杂度。[2]该算法是通过使用不同的目标函数来完成的。[3]
另见
编辑参考文献
编辑- ^ 郭子聖. 事後近端策略優化於增強式學習之演算法 (碩士论文). 國立交通大學. 2018.
- ^ Schulman, John; Wolski, Filip; Dhariwal, Prafulla; Radford, Alec; Klimov, Oleg. Proximal Policy Optimization Algorithms. 2017. arXiv:1707.06347 .
- ^ Proximal Policy Optimization. OpenAI. 2017 [2023-05-13]. (原始内容存档于2023-02-23).