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
- 关注问题
分享- 邀请回答
-
0条回答 默认 最新
- 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。
- 2025-05-14 13:11Mr.Winter`的博客 软性演员-评论家(Soft Actor-Critic, SAC)算法是基于最大熵原理的离线策略方法，具有高效的采样效率和泛化能力。本文从最大熵贝尔曼方程的引入动机出发，介绍SAC算法的三个核心参数化步骤与算法流程
- 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...
- 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.........
- 2025-05-19 11:42白云千载尽的博客 受约束的强化学习（Constrained RL）旨在最大化期望奖励的同时满足特定的约束条件。其核心思想是通过优化策略来实现这一目标，约束条件可以是软约束、概率约束或硬约束。常用的方法包括CPO、CRPO、PCPO和SPACE等，...
- 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...
- 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。
- 2025-06-09 17:05BineHello的博客 模块输入输出目标判别器DsaD(s,a)Dsa(s,a)属于专家的概率区分专家 vs 策略策略 π(as)s动作分布模仿专家策略奖励rsar(s,a)rsa判别器输出奖励越高越像专家生成器（策略 π）不断尝试“骗过”判别器 D判别器 D 不断...
- 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...
- 2024-04-19 14:49leaf_leaves_leaf的博客 万字长文，环环相扣，详细介绍强化学习的 policy gradient 方法， Actor-Critic 方法和 DPG,DDPG方法，会持续更新
- 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 ...
- 2025-09-01 01:51t1u2v的博客 本文探讨了元强化学习在视觉导航中的应用与挑战。文章首先介绍了视觉导航的基本概念及其与深度强化学习（DRL）的结合方式，包括直接DRL、分层DRL、多任务DRL、记忆推理DRL以及视觉语言DRL等方法。随后，重点分析了两...
- 2025-10-01 03:02mmm90的博客 本文提出了一种基于深度强化学习的道路车辆排放控制策略（EFRL模型），通过构建复合排放环境状态空间并应用深度Q网络（DQN）来自动学习最优的交通流量与速度限制策略，有效降低CO、HC、NO和燃料消耗等污染物排放。...
- 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 ...
- 2024-07-25 09:21QinZheng7575的博客 强化学习大多数不是理论收敛的，本文就给出了原因和证明思路。接着我们讨论Double Q-Learning和在连续动作下的强化学习DDPG
- 2022-04-24 22:00铁木真_223的博客 [更新记录] 文章目录1、问题及背景2、困难与挑战2.1 效率2.1 Q值过估计...本文由UC Berkeley的Sergey Levine团队(一作是Ashvin Nair和Abhishek Gupta)于2020年提出，投稿到ICLR2021上，但最终被拒稿。文章的思路和BE..
- 2025-02-27 16:33此心安处是吾乡_的博客 好久没有更新了。最近想学习一下强化学习，本系列是李宏毅老师强化学习的课程笔记。
- 2025-06-30 13:54ringking123的博客 感知、行动和目标是强化学习（RL）的三大关键要素：在感知到环境状态信息后，RL 智能体能够采取行动来影响环境，以实现其目标。在 RL 中，智能体并不依赖专家数据来决定如何行动，而是通过奖励信号评估动作表现，...
- 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