A2C
全称为优势动作评价算法（Advantage Actor-Critic）
A2C使用优势函数代替Critic网络中的原始回报，可以作为衡量选取动作值和所有动作平均值的指标
优势函数
考察
- 如果优势函数大于
，则说明该动作比平均动作好 - 如果优势函数小于
，则说明该动作不如平均动作
A2C
- 版权声明： 本博客所有文章除特别声明外，均采用 CC BY 4.0 CN协议 许可协议。转载请注明出处！
全称为优势动作评价算法（Advantage Actor-Critic）
A2C使用优势函数代替Critic网络中的原始回报，可以作为衡量选取动作值和所有动作平均值的指标
考察
- 版权声明： 本博客所有文章除特别声明外，均采用 CC BY 4.0 CN协议 许可协议。转载请注明出处！