企业官网建设流程全解析

电影网站logo设计,wordpress访客记录,网站内容建设培训通知,wordpress全文索引《无限期强化学习方法与证明解析》 1. 策略空间近似方法 策略空间近似方法主要包含交叉熵方法和专家监督训练两种方式。 1.1 交叉熵方法 交叉熵方法是一种简单且有效的策略优化方法。在当前迭代点 $r_k$ 处，构建一个以 $r_k$ 为中心的椭球 $E_k$。在 $E_k$ 内生成多个随机…《无限期强化学习方法与证明解析》1. 策略空间近似方法策略空间近似方法主要包含交叉熵方法和专家监督训练两种方式。1.1 交叉熵方法交叉熵方法是一种简单且有效的策略优化方法。在当前迭代点 $r_k$ 处，构建一个以 $r_k$ 为中心的椭球 $E_k$。在 $E_k$ 内生成多个随机样本，然后“接受”其中成本“较低”的样本子集。接着，选择 $r_{k + 1}$ 作为接受样本的样本均值，并构建接受样本的样本“协方差”矩阵。最后，使用该矩阵和合适的半径参数形成新的椭球 $E_{k + 1}$，并继续迭代。该方法与策略梯度方法有相似之处，都是朝着成本改善的方向从 $r_k$ 移动到 $r_{k + 1}$。随机样本生成过程受成本改善的引导，这一思想与进化编程共享。交叉熵方法的优点包括：实现简单，不依赖基于梯度的优化方法的脆弱性，不涉及随机策略，且有一定的理论支持。然而，像所有随机搜索方法一样，其收敛速度保证有限，成功与否取决于特定领域的见解和启发式方法的熟练使用。不过，该方法非常适合并行计算，并且通过一些令人印象深刻的成功案例获得了良好的声誉，例如用于学习俄罗斯方块游戏中的高分策略。其流程如下：1. 在当前迭代点 $r_k$ 构建椭球 $E_k$。2. 在 $E_k$ 内生成随机样本。3. 选择成本“较低”的样本子集。4. 计算接受样本的均值作为 $r_{k + 1}$。5. 构建接受样本的协方差矩阵。6. 形成新的椭球 $E_{k + 1}$。7. 重复步骤 2 - 6。