Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
stanford-cs234-notes-zh
提交
f8a187d1
S
stanford-cs234-notes-zh
项目概览
OpenDocCN
/
stanford-cs234-notes-zh
通知
8
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
stanford-cs234-notes-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
f8a187d1
编写于
9月 15, 2019
作者:
X
xiaowei_xing
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
test
上级
16316936
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
11 addition
and
1 deletion
+11
-1
docs/8&9.md
docs/8&9.md
+11
-1
未找到文件。
docs/8&9.md
浏览文件 @
f8a187d1
...
@@ -349,4 +349,14 @@ $$
...
@@ -349,4 +349,14 @@ $$
## 6.2 连续动作空间:高斯策略(Continuous Action Space: Gaussian Policy)
## 6.2 连续动作空间:高斯策略(Continuous Action Space: Gaussian Policy)
对于连续动作空间,一个常用的选择是高斯策略:$a
\s
im
\c
al{N} (
\m
u(s),
\s
igma^2)$。
对于连续动作空间,一个常用的选择是高斯策略:$a
\s
im
\c
al{N} (
\m
u(s),
\s
igma^2)$。
\ No newline at end of file
$
\b
ullet$ 动作的平均值为状态特征的线性组合:$
\m
u(s)=
\p
hi(s)^{
\t
ext{T}}
\t
heta$;
$
\b
ullet$ 方差 $
\s
igma^2$ 可以是固定的,也可以是参数化的。
评价函数为:
$$
\n
abla_{
\t
heta}
\l
og
\p
i_{
\t
heta}(a|s) =
\f
rac{(a-
\m
u(s))
\p
hi(s)}{
\s
igma^2}。
$$
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录