基于相关熵诱导度量的近端策略优化算法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要： 在深度强化学习算法中， 近端策略优化算法PPO（Proximal Policy Optimization）在许多实验任务中表现优异， 但具有自适应KL（Kullback-Leibler）散度的KL-PPO 由于其不对称性而影响了KL-PPO 策略更新效率，为此， 提出了一种基于相关熵诱导度量的近端策略优化算法CIM-PPO （Correntropy Induced Metric-PPO）。（剩余6395字）

试读结束

目录
monitor