近端策略优化

维基百科，自由的百科全书

近端策略优化（英語：Proximal Policy Optimization，PPO）是OpenAI公司于2017年开发的一系列无模型强化学习算法。该算法采用了策略梯度算法，这意味着它们的做法是搜索策略空间而非状态-动作对的值。

近端策略优化包含了置信域方法的一些优点，如更易于实现，更通用，并且具有更好的样本复杂度。[1]该算法是通过使用不同的目标函数来完成的。[2]

另见

参考文献

  1. ^ Schulman, John; Wolski, Filip; Dhariwal, Prafulla; Radford, Alec; Klimov, Oleg. Proximal Policy Optimization Algorithms. 2017. arXiv:1707.06347 可免费查阅. 
  2. ^ Proximal Policy Optimization. OpenAI. 2017 [2023-05-13]. （原始内容存档于2023-02-23）. 

外部链接

取自“https://zh.wikipedia.org/w/index.php?title=近端策略优化&oldid=79287909”