一般采用 策略梯度的方法，是不是对应的 动作空间是有限的呢？比如动作空间有{上，下，左，右}，但是对当前状态的施加某个动作的概率是不一定的，所以要寻找最佳的动作策略，是吗？
强化学习中的策略梯度算法，$\pi(\theta)$ Π（θ）是一个怎么的函数呢？对应的动作空间是有限的？还是无限的呢？
一般采用 策略梯度的方法，是不是对应的 动作空间是有限的呢？比如动作空间有{上，下，左，右}，但是对当前状态的施加某个动作的概率是不一定的，所以要寻找最佳的动作策略，是吗？
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
0条回答 默认 最新
- 2022-06-08 03:45回答 1 已采纳 一般情况下reset()就是重新初始化环境，除非你需要获取初始化时产生的某些参数，那就要有返回值，如果仅仅是初始化的话，完全可以不设返回值，你这4个随机数就更没必要了
- 2023-02-18 16:29回答 7 已采纳 可列公式为 eq1=a2*sin(thta2)-a3*sin(thta3-thta2)+A eq2=a2*cos(thta2)+a3*cos(thta3-thta2)+B 这种一般求解析解都比较复
- 2022-01-05 15:42回答 2 已采纳 不需要将参数进行编码，按照原始编码即可。检查数据库字符配置show create table 表名是否CHARSET=latin1如果是则需要将表编码修改为utf8
- 2022-08-21 11:04晓亮.的博客 以上就是今天要讲的内容，本文主要讲解了如何去...首先介绍了什么是连续状态空间，这是构建强化学习算法必须理解的，然后介绍了构建一个强化学习算法的框架，重点就是找到策略Pi。随后提到了学习状态值函数的完整算法。
- 2021-06-16 17:01回答 2 已采纳 自问自答。利用rotatewxyz方法，旋转角 为180-theta.
- 2022-02-25 17:11回答 2 已采纳 你好，请用 plot3([x(:);x(1)],[y(:);y(1)],[z(:);z(1)]) 替换掉你的47行即可
- 2019-05-09 09:07回答 5 已采纳 
- 2022-04-12 23:42CyrusMay的博客 强化学习—— 离散与连续动作空间（随机策略梯度与确定策略梯度）1. 动作空间1.1 离散动作空间1.2 连续动作空间 1. 动作空间 1.1 离散动作空间 比如:{left,right,up}\{left,right,up\}{left,right,up} DQN可以用于...
- 2021-07-29 19:10回答 1 已采纳 如果你只需要预测一组新的数据其实怎么样都行，关系不大。如果你要预测很多组数据，是需要将当前的数据和训练集一同归一化的，也就是你说的“计算出m+n（n >= 1）组数据的均值和最大最小值，然后标准
- 2023-04-04 17:00回答 1 已采纳 不知道你这个问题是否已经解决, 如果还没有解决的话: 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/218842这篇博客也不错, 你可以看下软件开发
- 2022-06-14 04:19回答 2 已采纳 吴恩达机器学习笔记：Normal equation（正规方程法） - 知乎 Normal equation: Method to solv
- 2022-07-02 14:43白水baishui的博客 论文：Safe Reinforcement Learning with Linear...近年来，强化学习的安全性变得越来越重要。然而，现有的解决方案要么无法严格避免选择不安全的动作，这可能导致安全关键系统的灾难性结果，要么无法为需要学.........
- 2022-07-09 20:37回答 1 已采纳 我没太看明白你取得那6个特征，x0、2、5不都是常量吗x1和x3是一次函数，x4是二次函数，这个是否用3个特征就可以了，你最后想要的效果是要一个二次函数去拟合你原本图片中的那条线吗？我用你其中一张图片
- 2022-07-02 14:43白水baishui的博客 论文：Safe Reinforcement Learning with Linear Function Approximation ...会议/年份：PMLR / 2021Word版本下载地址（辛辛苦苦... 在本节中，我们表明我们的结果可以扩展到随机策略选择的设置，这在实践中可能是可取的。
- 2022-04-05 22:17@RichardWang的博客 策略约束（Policy constraint）作为一种非常重要的约束方法广泛的用在强化学习领域，然而，在offline中，BCQ使用的VAE和生成扰动网络虽然解决了extrapolation error,但对于一些仍然处于行为策略分布外（Out-of- ...
- 2020-04-18 12:39松间沙路hba的博客 将深度学习与强化学习相结合的方法取得了显著的进展，“深度Q网络”(Deep Q Network， DQN)算法能够在许多雅达利(Atari)视频游戏中使用未经处理的像素作为输入，就达到人类水平的性能，其中使用深度神经网络函数逼近...
- 2020-07-22 17:44hhy_csdn的博客 强化学习经典算法笔记19：无监督策略学习算法Diversity Is All You NeedDIAYN核心要点模型定义目标函数的构造DIAYN算法细节目标函数的优化SAC的训练判别器的训练DIAYN的应用论文的其他细节 本篇介绍一个无监督框架下...
- 2022-04-27 15:09@RichardWang的博客 而强化学习中动辄几万、几十万的训练步骤，时间成本太高，而且机器人训练过程中还容易损坏，因此很难将在线RL应用于现实世界中的机器人技术问题，这也是强化学习很难落地应用的一个重大原因。但科研还要继续，遇到...
- 2022-03-12 14:32CHH3213的博客 逆强化学习2.1 概述2.2 奖励函数2.2 IRL vs GAN3. 第三人称视角模仿学习4. 练习4.1 keywords 参考资料 https://datawhalechina.github.io/easy-rl/#/chapter11/chapter11 1. 模仿学习概述 模仿学习（imitation ...
- 2021-08-04 16:21小文文是世界上最可爱的的博客 深度强化学习算法之SAC（Soft Actor Critic）算法 文章地址： Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor Soft Actor-Critic Algorithms and ...
- 没有解决我的问题, 去提问
问题事件
系统已结题
10月30日
创建了问题
10月22日
悬赏问题
- ¥15 Python爬取指定微博话题下的内容，保存为txt
- ¥15 vue2登录调用后端接口如何实现
- ¥65 永磁型步进电机PID算法
- ¥15 sqlite 附加（attach database）加密数据库时，返回26是什么原因呢？
- ¥88 找成都本地经验丰富懂小程序开发的技术大咖
- ¥15 如何处理复杂数据表格的除法运算
- ¥15 如何用stc8h1k08的片子做485数据透传的功能？(关键词-串口)
- ¥15 有兄弟姐妹会用word插图功能制作类似citespace的图片吗？
- ¥15 latex怎么处理论文引理引用参考文献
- ¥15 请教：如何用postman调用本地虚拟机区块链接上的合约？