Policy-Gradient-Methoden
Policy-Gradient-Methoden sind Reinforcement-Learning-Algorithmen, die eine parametrisierte Policy direkt durch Gradientenaufstieg auf der erwarteten Rendite optimieren, anstatt Aktionswerte zu lernen und gierig zu handeln. Basierend auf Ronald Williams' REINFORCE-Algorithmus von 1992 und dem Policy-Gradient-Theorem von Sutton und Kollegen (2000) bewältigen sie stochastische und kontinuierliche Aktionsräume auf natürliche Weise und bilden die Grundlage moderner Actor-Critic- und Deep-RL-Algorithmen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Williams, R. J. (1992). Simple statistical gradient-following algorithms for connectionist reinforcement learning. Machine Learning, 8(3–4), 229–256. DOI: 10.1007/BF00992696 ↗
- Sutton, R. S., McAllester, D., Singh, S., & Mansour, Y. (2000). Policy gradient methods for reinforcement learning with function approximation. Advances in Neural Information Processing Systems, 12, 1057–1063. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Policy Gradient Methods (REINFORCE / Actor-Critic). ScholarGate. https://scholargate.app/de/machine-learning/policy-gradient
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Konvexe OptimierungOptimierung↔ compare
- Deep Reinforcement LearningDeep Learning↔ compare
- Q-LearningMaschinelles Lernen↔ compare
- Stochastischer Gradientenabstieg (SGD)Maschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →