尧图精选

RL-10-TD算法-ActorCritic02-离线算法04-赵：Off-Policy AC【与On-Policy AC的唯一区别：分母用β(aₜ|sₜ)代替π(aₜ|sₜ,θₜ)， 没有了探索性】

🕒 发布时间：2026/10/2 13:55:00 📁 来源：尧图网络
4、off-policy actor-critic 算法同样地，TheOff-Policy Policy Gradient减去一个baselineb ( s ) b(s)
上一篇/下一篇内容由系统自动关联 返回资讯列表 →