文档摘要

5.4 信任域思想：从 TRPO 到 PPO 的裁剪目标 本节摘要：策略梯度是一次一阶近似：它告诉你"在当前策略附近，往哪边走一点会更好"。一旦步子迈大，近似失效——梯度是用旧策略的数据算的，数据对新策略已经不可信。信任域方法把这个直觉工程化：限制新策略与旧策略的距离，只在小邻域内相信数据。TRPO 用 KL 散度约束加二阶方法实现，正确但笨重；PPO 把约束改写进目标函数的 clip 谓词，一阶方法即可求解，效果几乎不损失。 会员。《5.4 信任域思想：从 TRPO 到 PPO 的裁剪目标》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。

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