尧图精选

RL-10-赵-Actor-Critic01-在线算法02：A2C算法03【优势函数：Aₜ=δₜ=qₜ(s,a)-vₜ(s)】【A可以平衡exploitation与exploration】

🕒 发布时间：2026/10/30 5:17:27 📁 来源：尧图网络
2、将Baseline引入到Actor-Critic算法中当b(s)=vπ(s)b(s)=v_\pi(s)
上一篇/下一篇内容由系统自动关联 返回资讯列表 →