回答情况：
提问时间：
问题标签：
我有一个关于强化学习中的Actor-Critic模型的问题。在听Berkeley大学的策略梯度方法类时，在讲座中提到，在使用一些策略参数优化策略和使用一些值函数参数优化值函数的actor-critic算法中，在一些算法(例如A2C/A3C)中，我们在两个优化问题中使用相同的参数
浏览 80提问于2019-05-26得票数 1
回答已采纳
我已经在一个简单的网格世界中实现了 RL算法，它有四个可能的动作(上、下、左、右)，我注意到在某些情况下，它往往会在上下或左右之间摇摆。添加约束似乎是该领域的普遍愿望，所以我想知道是否有人知道我应该为此目的使用的标准方法。如果不是，那么我的特别方法看起来是否合理。
浏览 5提问于2013-01-31得票数 2
我认为Actor-Critic和DDPG算法将是解决我的问题的一个很好的方法。
当我实现Actor部分时，我发现大多数在线示例都将Actor的输出限制在(-1，1)的范围内。
浏览 0提问于2018-05-29得票数 1
我正在实现软Actor-Critic算法，但我不能理解stocastic策略是如何工作的。我已经在网上搜索过了，但我没有找到任何有趣的网站来很好地解释下面的实现。
浏览 46提问于2019-02-07得票数 3
回答已采纳
optimizer_M.step()
loss.backward()以下是代理网络
# Actor-Critic
浏览 0修改于2019-04-14得票数 2
回答已采纳
@ y self.projection = P return Py
#%% Moving Target Game with Actor and Actor-Critic
浏览 103修改于2021-02-21得票数 2
回答已采纳
actor_model.get_weights())
# Learning rate for actor-critic
浏览 17提问于2020-11-12得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号