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

Policy-based design设计模式

Policy-Based Method RL

Policy-Based Method RL

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