/chapter4/chapter4_questions&keywords about easy-rl HOT 8 OPEN

谢谢博主 Thanks♪(･ω･)ﾉ

from easy-rl.

$\text { 因此 } \nabla \mathrm{p}{\theta}(\tau)=\nabla \log \mathrm{p}{\theta}\left(\mathrm{a}{\mathrm{t}}^{\mathrm{n}} \mid \mathrm{s}{\mathrm{t}}^{\mathrm{n}}\right)$

是不是写错了？

from easy-rl.

谢谢你的留言，应该是没有写错的，具体的公式推导可见教程 “第四章 策略梯度”。

from easy-rl.

keywords里的“Reinforce”是不是写成全大写的“REINFORCE”更好些。与之前的笔记更衔接些。

from easy-rl.

是的是的，这里的REINFORCE表示一种基于策略梯度并使用回合更新的强化学习的经典算法，应该区别于Reinforce，谢谢你的建议，已经改正～

from easy-rl.

Policy Gradient

from easy-rl.

就我觉得符号体系混乱吗？策略一会是p 一会是π,并且和前三章体系也不同，

from easy-rl.

就我觉得符号体系混乱吗？策略一会是p 一会是π,并且和前三章体系也不同，

用 p 来表示策略是为了方便读者理解，后续会考虑统一符号（加上对应注解）；
关于体系的问题，其实是从不同的角度来讲解知识，后面会考虑统一风格

from easy-rl.