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
大幅提高文件上传限制,最高150M (2024-4-1)

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
聪慧雅霜完成签到,获得积分10
刚刚
刚刚
刚刚
加油少年完成签到,获得积分10
刚刚
刚刚
dddd应助萧水白采纳,获得100
1秒前
YY完成签到,获得积分10
1秒前
2秒前
shangxinyu完成签到,获得积分10
2秒前
Lily完成签到,获得积分10
3秒前
er发布了新的文献求助10
3秒前
新八完成签到,获得积分10
4秒前
Sherlockkkkk完成签到,获得积分10
4秒前
鲨鱼先生应助pu采纳,获得10
4秒前
唔西迪西完成签到,获得积分10
5秒前
yuanquaner完成签到,获得积分10
6秒前
候林丽发布了新的文献求助10
6秒前
针地很不戳完成签到,获得积分10
6秒前
Bearbiscuit完成签到,获得积分10
7秒前
烟雨发布了新的文献求助10
7秒前
邵燚铭完成签到 ,获得积分10
7秒前
热心的善愁完成签到,获得积分10
8秒前
鲤鱼树叶发布了新的文献求助10
8秒前
竹筏过海应助不懈奋进采纳,获得30
9秒前
高高的钢铁侠完成签到 ,获得积分20
9秒前
10秒前
情怀应助wangting采纳,获得10
13秒前
星辰大海应助简单水蓉采纳,获得10
13秒前
在水一方应助er采纳,获得10
13秒前
科研通AI2S应助sxc采纳,获得10
14秒前
15秒前
苹果南烟完成签到,获得积分10
15秒前
16秒前
16秒前
16秒前
所所应助勤奋的无色采纳,获得60
16秒前
系啊懒虫完成签到,获得积分10
17秒前
安详三问发布了新的文献求助10
17秒前
18秒前
18秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
山海经图录 李云中版 400
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 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3327389
求助须知:如何正确求助?哪些是违规求助? 2957705
关于积分的说明 8586874
捐赠科研通 2635801
什么是DOI,文献DOI怎么找? 1442588
科研通“疑难数据库(出版商)”最低求助积分说明 668315
邀请新用户注册赠送积分活动 655382