on-policy和off-policy区别

lxlong89940101

于 2019-10-31 20:58:17 发布

阅读量976

点赞数

CC 4.0 BY-SA版权

分类专栏：强化学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/lxlong89940101/article/details/102845746

强化学习专栏收录该内容

9 篇文章

订阅专栏

Policy Optimization 通常是on-policy的，也就是每次更新策略采用最新策略产生的数据。

Q-Learning 通常是Off-Policy的，这就意味着训练的数据可以是训练期间任意时刻的数据。

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。