Phương pháp độ dốc chính sách
Các phương pháp độ dốc chính sách là các thuật toán học tăng cường tối ưu hóa trực tiếp một chính sách được tham số hóa bằng cách leo dốc gradient trên lợi nhuận kỳ vọng, thay vì học các giá trị hành động và hành động một cách tham lam. Dựa trên thuật toán REINFORCE năm 1992 của Ronald Williams và định lý độ dốc chính sách của Sutton và các cộng sự (2000), chúng xử lý tự nhiên các không gian hành động ngẫu nhiên và liên tục, đồng thời là nền tảng cho các thuật toán actor-critic và học tăng cường sâu (deep-RL) hiện đại.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). Policy Gradient Methods (REINFORCE / Actor-Critic). ScholarGate. https://scholargate.app/vi/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.
- Tối ưu lồiTối ưu hóa↔ compare
- Học tăng cường sâuHọc sâu↔ compare
- Q-LearningHọc máy↔ compare
- Tối ưu hóa Gradient Ngẫu nhiên (Stochastic Gradient Descent - SGD)Học máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →