【强化学习】PPO算法
TPO算法虽然应用起来效果很好，但是计算量很大。PPO算法对TPO算法的求解进行了优化，简化了求解方法，使用局部最优解代替全局最优解。
·
1. 简介
TPO算法虽然应用起来效果很好，但是计算量很大。PPO算法对TPO算法的求解进行了优化，简化了求解方法，使用局部最优解代替全局最优解。
2. PPO方法的两种形式
（1）PPO-惩罚
使用拉格朗日系数放找到局部最优解，拉格朗日系数法可以将约束放在优化目标中，从而只求解优化目标即可
（2）PPO-截断
PPO截断则是人为定义新旧策略的差值的最大最小值
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
1
0- 0
已为社区贡献3条内容
所有评论(0)