技术栈
sac
zh路西法
7 天前
python
·
强化学习
·
pe
·
sac
·
pets
·
mbpo
·
mbrl
【模型式强化学习】（三）：MBPO——短轨迹生成与模型数据驱动的策略优化
说人话：离策略就是"别人开车我记笔记"，记下来的经验可以反复翻看；在策略（on-policy）则是"自己开、开完就忘"
zh路西法
20 天前
python
·
强化学习
·
ddpg
·
td3
·
sb3
·
off-policy
·
sac
【离策略强化学习】DDPG、TD3 与 SAC：核心公式推导与源码解析
强化学习算法On-policyOff-policyPPOA2CTRPODQNDDPGTD3SAC说人话：在策略是"边做边学、做完就忘"，离策略是"先记在本子上，回头反复翻"
我是有底线的