强化学习中的策略梯度算法,对应的动作空间是有限的?
收藏
一般采用 策略梯度的方法,是不是对应的 动作空间是有限的呢?比如动作空间有{上,下,左,右},但是对当前状态的施加某个动作的概率是不一定的,所以要寻找最佳的动作策略,是吗
0
收藏
请登录后评论
差不多就这个意思吧