热门问题
时间线
聊天
视角
近端策略优化
来自维基百科，自由的百科全书
Remove ads
近端策略优化（英语：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
参考文献
外部链接
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads