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:)
https://stackoverflow.com/questions/56312962
复制相似问题