AI学习笔记——基于策略的强化学习

1. 基于价值的强化学习回顾 前几篇文章都是在讲经过训练值函数的近似函数，而后经过好比Ɛ-greedy探索方法得到最佳策略，这种方法叫作基于价值的强化学习。然而基于价值的强化学习有没法收敛，没法得到随机策略，以及可能遇到状态重名的问题。算法 没法收敛的问题在上篇文章的“3.收敛性”中提到了，就不赘述。关于随机策略，能够举一个“石头剪子布”这样简单的例子。最好的策略就是随机出招，然而基于价值的强化学

>>阅读原文<<