技术栈
a2c
勾股导航
21 天前
人工智能
·
强化学习
·
a2c
A2C算法
1.算法描述A2C是一种同步式策略梯度算法，核心是通过优势函数（Â(s,a) = Q(s,a) - V(s)）替代传统回报值，显著降低策略梯度的方差。
云端FFF
3 年前
a2c
·
reinforce
·
baseline
·
策略梯度
·
基线
RL 实践（6）—— CartPole【REINFORCE with baseline & A2C】
本次实验使用 gym 自带的 CartPole-V0 环境。这是一个经典的一阶倒立摆控制问题，agent 的任务是通过左右移动保持车上的杆竖直，若杆的倾斜度数过大，或者车子离初始位置左右的偏离程度过大，或者坚持时间到达 200 帧，则游戏结束
我是有底线的