machine-learning - 强化学习：Actor-Critic 总是比策略梯度方法更好吗？

Question

我是强化学习的新手，我想尝试编写自己的小型库，我想知道是否存在任何实施策略梯度的理由。

谢谢！！

标签： machine-learningartificial-intelligencereinforcement-learning

Answer 1

Actor-critic 是一种策略梯度算法。除非您使用的术语与我习惯的不同。

在策略梯度算法中，我们采用一些参数参数化的策略，根据所采取的动作找到策略的梯度，然后朝着梯度更新策略参数。

演员评论家正是这样做的。

在 actor-critic 中，价值函数也被计算并影响更新。但是，它仍然是一种策略梯度算法。