共计 28 篇文章

---

2024

12-16

2. 探索与利用

12-04

9.1 多智能体强化学习

12-04

8.1 策略学习的高级技巧：置信域策略优化 (TRPO)

12-04

7.2 确定策略梯度 (DPG)

12-04

7.1 连续控制

12-04

6.3 Advantage Actor-Critic (A2C)

12-04

6.2 带基线的 REINFORCE 算法

12-04

6.1 带基线的策略梯度方法

12-04

5.3 Dueling Network

12-04

5.2 高估问题