文档摘要

5.5 PPO 数字演练：ratio、clip 与超参数 本节摘要：本节把 PPO 的裁剪目标放进六个具体样本里手算一遍：给定新旧策略的概率与优势估计，逐样本算出 ratio、裁剪后的目标、以及每个样本本轮贡献的梯度方向。算完再给超参数表：clip 范围 0.2、GAE 的 λ、epochs 数、学习率——每一项标注敏感度与调整方向。目标是让 PPO 从"背公式"变成"能验算"。 会员。《5.5 PPO 数字演练：ratio、clip 与超参数》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