近端策略優化
近端策略優化（英語：Proximal Policy Optimization，PPO）是OpenAI公司於2017年開發的一系列無模型強化學習算法。該算法採用了策略梯度算法，這意味着它們的做法是搜索策略空間而非狀態-動作對的值。
近端策略優化包含了置信域方法的一些優點，如更易於實現，更通用，並且具有更好的樣本複雜度。[1]該算法是通過使用不同的目標函數來完成的。[2]
另見[編輯]
參考文獻[編輯]
- ^ Schulman, John; Wolski, Filip; Dhariwal, Prafulla; Radford, Alec; Klimov, Oleg. Proximal Policy Optimization Algorithms. 2017. arXiv:1707.06347
.
- ^ Proximal Policy Optimization. OpenAI. 2017 [2023-05-13]. （原始內容存檔於2023-02-23）.
