亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Policy Gradient Methods for Reinforcement Learning with Function Approximation

强化学习 贝尔曼方程 功能(生物学) 函数逼近 可微函数 数学优化 价值(数学) 计算机科学 应用数学 数学 人工智能 人工神经网络 机器学习 数学分析 进化生物学 生物
作者
Richard S. Sutton,David McAllester,Satinder Singh,Yishay Mansour
出处
期刊:Neural Information Processing Systems 卷期号:12: 1057-1063 被引量:4853
链接
摘要

Function approximation is essential to reinforcement learning, but the standard approach of approximating a value function and determining a policy from it has so far proven theoretically intractable. In this paper we explore an alternative approach in which the policy is explicitly represented by its own function approximator, independent of the value function, and is updated according to the gradient of expected reward with respect to the policy parameters. Williams's REINFORCE method and actor-critic methods are examples of this approach. Our main new result is to show that the gradient can be written in a form suitable for estimation from experience aided by an approximate action-value or advantage function. Using this result, we prove for the first time that a version of policy iteration with arbitrary differentiable function approximation is convergent to a locally optimal policy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
fan完成签到 ,获得积分10
18秒前
22秒前
22秒前
36秒前
38秒前
Liyyy完成签到 ,获得积分10
40秒前
曾昊天发布了新的文献求助10
43秒前
GingerF应助科研通管家采纳,获得50
46秒前
曾昊天完成签到,获得积分10
54秒前
57秒前
优秀棒棒糖完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
1分钟前
柒月流火发布了新的文献求助10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
今天记得来完成签到 ,获得积分10
1分钟前
1分钟前
天雨流芳完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
Sssun17发布了新的文献求助30
1分钟前
CodeCraft应助Sssun17采纳,获得30
1分钟前
1分钟前
万邦德完成签到,获得积分10
2分钟前
2分钟前
soni发布了新的文献求助10
2分钟前
2分钟前
2分钟前
Xu发布了新的文献求助10
2分钟前
Owen应助SDNUDRUG采纳,获得10
2分钟前
1933644015应助科研通管家采纳,获得30
2分钟前
共享精神应助科研通管家采纳,获得10
2分钟前
2分钟前
3分钟前
3分钟前
SDNUDRUG发布了新的文献求助10
3分钟前
3分钟前
Raunio完成签到,获得积分10
3分钟前
SDNUDRUG完成签到,获得积分10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Fermented Coffee Market 2000
合成生物食品制造技术导则,团体标准,编号:T/CITS 396-2025 1000
The Leucovorin Guide for Parents: Understanding Autism’s Folate 1000
Pipeline and riser loss of containment 2001 - 2020 (PARLOC 2020) 1000
Critical Thinking: Tools for Taking Charge of Your Learning and Your Life 4th Edition 500
Comparing natural with chemical additive production 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 内科学 生物化学 物理 计算机科学 纳米技术 遗传学 基因 复合材料 化学工程 物理化学 病理 催化作用 免疫学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 5244898
求助须知:如何正确求助?哪些是违规求助? 4410628
关于积分的说明 13728255
捐赠科研通 4280639
什么是DOI,文献DOI怎么找? 2348728
邀请新用户注册赠送积分活动 1345862
关于科研通互助平台的介绍 1304448