强化学习超级缝合怪《Easy RL》笔记 第8章 针对连续动作的深度Q网络

很多时候动作并不是离散的，它是一个向量，这个向量的每一个维度都有一个对应的值，这些值都是实数，它是连续的。

假如a是连续的，我们无法穷举所有可能的连续动作，试试看哪一个连续动作可以让Q值最大。

8.1 方案1：对动作进行采样

我们可以采样出N个可能的，把它们一个一个地代入Q函数，看谁的Q值最大。

8.2 方案2：梯度上升

我们把a当作参数，要找一组a去最大化Q函数，就用梯度上升去更新a的值，最后看看能不能找到一个a最大化Q函数（目标函数）。

8.3 方案3：设计网络架构

通常输入状态是图像，我们可以用向量或矩阵来表示它。输入，Q函数会输出向量、矩阵和标量。Q函数根据输入与​来决定输出值。

8.4 方案4：不使用深度Q网络

[强化学习超级缝合怪《Easy RL》笔记 第8章 针对连续动作的深度Q网络] 相关文章推荐：

• 2023-11-24 11:00:14写好读书笔记对写作有哪些帮助
• 2023-11-09 01:01:18读书笔记的摘要和主要内容概述的区别
• 2023-10-30 19:00:44读书笔记对于阅读的重要性体现在哪里
• 2023-10-18 13:00:23用平板做读书笔记，推荐哪个软件
• 2023-09-20 11:00:39读书笔记就是摘抄句子吗
• 2023-08-29 17:01:33写读书笔记可以抄正在学的课文吗
• 2023-08-03 11:01:44你对读书笔记或者日记这种手写文字有怎样的认知 是不是和我一样有一种戒不掉的隐 你知道为什么么
• 2023-07-14 19:00:23如何写读书笔记，
• 2023-06-30 23:00:14如何教三年级学生学会写读书笔记
• 2023-06-29 12:01:30怎样引导孩子写读书笔记的感悟思考