文档摘要

5.2 基线与优势函数：给策略梯度降方差 本节摘要：REINFORCE 的梯度估计无偏但方差巨大——回报 G 的绝对值在样本间抖得离谱。解法出人意料地简单：从 G 里减掉一个"基线" b(s)，只要它不依赖动作，梯度的期望一点不变，方差却大幅下降。把基线选成状态价值 V(s)，差值 Q−V 有了专有名字——优势函数 A，含义是"这个动作比该状态的平均水准好多少"。 会员。《5.2 基线与优势函数：给策略梯度降方差》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，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/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

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