文档摘要

第六章：策略梯度方法 第六章：策略梯度方法 在强化学习中，我们通常希望训练一个智能体，使其能够在给定的环境中做出最优决策。前几章我们讨论了基于价值的方法，如 Q-learning 和 SARSA，这些方法通过学习价值函数来间接指导策略。本章将介绍另一类方法：策略梯度方法。这类方法直接学习策略，无需显式地估计价值函数。 6.1 策略梯度思想 6.1.1 策略的目标 策略梯度方法的核心思想是直接优化策略。 会员。《第六章：策略梯度方法》收录于灏天文库文集《强化学习入门：探索智能体的决策之路》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/481-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E6%8E%A2%E7%B4%A2%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E5%86%B3%E7%AD%96%E4%B9%8B%E8%B7%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流