actor-critic模型中的共享参数是如何工作的？
actor-critic模型中的共享参数是如何工作的？
提问于 2019-05-26 19:09:36
大家好，StackOverflow社区！
我有一个关于强化学习中的Actor-Critic模型的问题。
在听Berkeley大学的策略梯度方法类时，在讲座中提到，在使用一些策略参数优化策略和使用一些值函数参数优化值函数的actor-critic算法中，在一些算法(例如A2C/A3C)中，我们在两个优化问题中使用相同的参数(即策略参数=值函数参数)。
我不能理解这是如何工作的。我在想，我们应该分别优化它们。这个共享参数解决方案对我们有什么帮助？
提前感谢:)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56312962
复制相关文章
相似问题