日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

强化学习-Vanilla Policy Gradient(VPG)

發布時間:2024/9/15 编程问答 34 豆豆
生活随笔 收集整理的這篇文章主要介紹了 强化学习-Vanilla Policy Gradient(VPG) 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

文章目錄

  • Background
    • Quick Facts
    • Key Equations
    • Exploration vs. Exploitation
    • Pseudocode
  • Documentation
  • Referances

Background

策略梯度背后的關鍵思想是提高導致更高回報的操作的概率,并降低導致低回報的操作的概率,直到獲得最佳策略。

Quick Facts

  • VPG 是一個on-policy算法
  • VPG 能用于連續或者離散動作空間的環境
  • 結合MPI可以有并行運算的VPG

Key Equations

πθπ_θπθ?表示參數為 θ 的策略,J(πθ)J(π_θ)J(πθ?)表示策略的有限步長無折扣收益的期望。 J(πθ)J(π_θ)J(πθ?)的梯度為:?θJ(πθ)=Eτ~πθ[∑t=0T?θlog?πθ(at∣st)Aπθ(st,at)]\nabla_{\theta} J(\pi_{\theta}) = \underset{\tau \sim \pi_{\theta}}E[{ \sum_{t=0}^{T} \nabla_{\theta} \log \pi_{\theta}(a_t|s_t) A^{\pi_{\theta}}(s_t,a_t) }]?θ?J(πθ?)=τπθ?E?[t=0T??θ?logπθ?(at?st?)Aπθ?(st?,at?)]其中τ\tauτ是一個軌跡,AπθA^{\pi_\theta}Aπθ?是當前策略的優勢函數。

策略梯度算法通過策略表現的隨機梯度上升來更新策略參數:θk+1=θk+α?θJ(πθk)\theta_{k+1} = \theta_k + \alpha \nabla_{\theta} J(\pi_{\theta_k})θk+1?=θk?+α?θ?J(πθk??)盡管其他情況有使用有限步長無折扣策略梯度公式,策略梯度實現通常基于無限步長折扣收益來計算優勢函數估計值。

Exploration vs. Exploitation

VPG以一種按on-policy方式訓練隨機策略。 這意味著它將根據最新版本的隨機策略通過采樣動作來進行探索。 動作選擇的隨機性取決于初始條件和訓練程序。 在訓練過程中,由于更新規則鼓勵該策略利用已發現的獎勵,因此該策略通常變得越來越少隨機性。 這可能會導致策略陷入局部最優狀態。

Pseudocode

Documentation

spinup.vpg(env_fn, actor_critic=, ac_kwargs={}, seed=0, steps_per_epoch=4000, epochs=50, gamma=0.99, pi_lr=0.0003, vf_lr=0.001, train_v_iters=80, lam=0.97, max_ep_len=1000, logger_kwargs={}, save_freq=10)
Parameters:

  • env_fn – A function which creates a copy of the environment. The environment must satisfy the OpenAI Gym API.
  • actor_critic – A function which takes in placeholder symbols for state, x_ph, and action, a_ph, and returns the main outputs from the agent’s Tensorflow computation graph:
  • ac_kwargs (dict) – Any kwargs appropriate for the actor_critic function you provided to VPG.
  • seed (int) – Seed for random number generators.
  • steps_per_epoch (int) – Number of steps of interaction (state-action pairs) for the agent and the environment in each epoch.
  • epochs (int) – Number of epochs of interaction (equivalent to number of policy updates) to perform.
  • gamma (float) – Discount factor. (Always between 0 and 1.)
  • pi_lr (float) – Learning rate for policy optimizer.
  • vf_lr (float) – Learning rate for value function optimizer.
  • train_v_iters (int) – Number of gradient descent steps to take on value function per epoch.
  • lam (float) – Lambda for GAE-Lambda. (Always between 0 and 1, close to 1.)
  • max_ep_len (int) – Maximum length of trajectory / episode / rollout.
  • logger_kwargs (dict) – Keyword args for EpochLogger.
  • save_freq (int) – How often (in terms of gap between epochs) to save the current policy and value function.

Referances

Policy Gradient Methods for Reinforcement Learning with Function Approximation, Sutton et al. 2000

Optimizing Expectations: From Deep Reinforcement Learning to Stochastic Computation Graphs, Schulman 2016(a)

Benchmarking Deep Reinforcement Learning for Continuous Control, Duan et al. 2016

High Dimensional Continuous Control Using Generalized Advantage Estimation, Schulman et al. 2016(b)

總結

以上是生活随笔為你收集整理的强化学习-Vanilla Policy Gradient(VPG)的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。

主站蜘蛛池模板: 中国女人一级一次看片 | 欧美另类第一页 | 国产一区二区三区免费 | 亚洲第一精品在线 | 中文字幕av一区二区三区人妻少妇 | 91成人免费版 | 51自拍视频 | 日批免费观看 | 一级做a爱片久久 | 在线免费看黄 | 午夜爱爱网站 | 精品国产精品国产偷麻豆 | 亚洲一区亚洲二区 | 欧美高清hd19| 综合激情视频 | 亚洲一级伦理 | 78日本xxxxxxxxx59 亚洲图片小说视频 | 被黑人各种姿势猛c哭h文1 | 日本αv | 国产精品视频在线观看免费 | 国产日韩一区二区在线观看 | 色免费看 | 日本在线免费看 | 国产精品永久免费视频 | 国产精品99久久久久久久女警 | 97超在线 | 老司机一区二区三区 | 国产区精品在线 | 香蕉午夜视频 | 阿v天堂在线 | 麻豆精品国产 | 99热这里只有精品在线 | 久久精品久久久精品美女 | 狠狠干男人的天堂 | 欧美亚洲综合视频 | 91禁在线动漫 | 日韩欧美中文字幕一区二区 | 免费一区二区在线观看 | 少妇毛片视频 | 羞羞的软件 | 大象传媒成人在线观看 | 超碰凹凸| 国内精品久久久久久久久 | 女优一区二区三区 | 美女在线观看视频 | 日韩精品亚洲一区 | 国产乱码精品一区二三赶尸艳谈 | 男女做爰真人视频直播 | 99草视频| 岳睡了我中文字幕日本 | 3d动漫精品啪啪一区二区竹菊 | 国产精品自慰网站 | 色小姐综合网 | 这里只有精品22 | 欧美va视频| 欧美日韩中文字幕在线观看 | 国产伦精品一区二区三区高清版禁 | 亚洲熟妇av一区二区三区漫画 | 午夜插插插 | 国产高潮视频在线观看 | 婷婷丁香九月 | 国产一级一片免费播放放a 丁香六月色 | 91在线观看免费 | 亚洲色婷婷一区二区三区 | 一级黄色片大全 | 国产午夜精品一区二区三区视频 | 狠狠爱亚洲 | 一出一进一爽一粗一大视频 | 人妻少妇一区二区三区 | 亚洲综合视频在线播放 | 久久99久久99精品免视看婷婷 | 十大污网站 | 成人网一区 | 动漫美女被艹 | 午夜电影一区二区 | 黄色777| 欧美色图中文字幕 | 亚洲日本久久 | 日本a在线免费观看 | 亚洲综合插 | 国产精品theporn88 | 国产在线观看免费网站 | 欧美精品欧美精品系列 | 在线免费观看高清视频 | 挪威xxxx性hd极品 | 亚洲精品网站在线播放gif | 精品视频在线免费看 | 亚洲午夜精品一区二区 | 在线观看网站黄 | 国产69精品麻豆 | 不卡一二三| 樱花草涩涩www在线播放 | 在线观看wwww | av影院在线 | 一区二区三区爱爱 | 国产精品女人精品久久久天天 | 免费伊人 | 中文字幕校园春色 | 波多野结衣伦理 |