强化学习 policy是什么意思

答案:2 悬赏:30 手机版

解决时间 2021-02-13 04:54

提问者网友：放下
2021-02-12 04:30

强化学习 policy是什么意思

最佳答案

五星知识达人网友：十鸦
2021-02-12 05:45

policy 英[ˈpɒləsi] 美[ˈpɑ:ləsi]
n. 政策; 策略; 保险单; 策略性;
[例句]You are advised to read the small print of household and motor insurance policies.
建议阅读家庭财产和汽车保险单中的附属细则。
[其他] 复数：policies

全部回答

1楼网友：北方的南先生
2021-02-12 06:36

你好，关于强化学习中on-policy 与off-policy有什么区别强化学习可以分成off-policy（离线）和on-policy（在线）两种学习方法，按照个人理解，判断一个强化学习是off-policy还是on-policy的依据在于生成样本的policy（value-funciton）和网络参数更新时的policy（value-funciton）是否相同。 q-learning在计算下一状态的预期收益时使用了max操作，直接选择最优动作，而当前policy并不一定能选择到最优动作，因此这里生成样本的policy和学习时的policy不同，为off-policy算法；而saras则是基于当前的policy直接执行一次动作选择，然后用这个样本更新当前的policy，因此生成样本的policy和学习时的policy相同，算法为on-policy算法。 on-policy 与 off-policy的本质区别在于：更新q值时所使用的方法是沿用既定的策略（on-policy）还是使用新策略（off-policy）。个人见解，不足之处还望大神指正

我要举报

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息