Policy-based Approach(基于策略的方法)
Posted wyf
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Policy-based Approach(基于策略的方法)相关的知识,希望对你有一定的参考价值。
step 1:Neural Network as Actor
step 2:goodness of function(训练一些Actor)
是一个序列,包含T个状态s、行为a、奖励s。代表某一次的开始到结束的过程。
是一个奖励和,全部episode从开始到结束的总reward。
是某一设定好的参数获得的总平均奖励
用策略去玩N次游戏获得N个,则从概率中进行采样。
step 3:pick the best function(找到最好的一个Actor)
方法:Gradient Ascent
即最大化,用Gradient Ascent方法寻找使最大的
添加偏置
这里的有可能总是正数,加上一个偏置b即可,b可以自己设,一个较简单的设法取每个的平均值。
如果相减还是得到一个正数则可以提高该行为的概率,否则降低该行为的概率
以上是关于Policy-based Approach(基于策略的方法)的主要内容,如果未能解决你的问题,请参考以下文章
Tungsten Fabric SDN — Service Chain — Basic Service Chain and Policy-Based Steering
Tungsten Fabric SDN — Service Chain — Basic Service Chain and Policy-Based Steering
Segmentation-Based Deep-Learning Approach for Surface-Defect Detection-论文阅读笔记