特黄三级爱爱视频|国产1区2区强奸|舌L子伦熟妇aV|日韩美腿激情一区|6月丁香综合久久|一级毛片免费试看|在线黄色电影免费|国产主播自拍一区|99精品热爱视频|亚洲黄色先锋一区

基于相關(guān)熵誘導度量的近端策略優(yōu)化算法

  • 打印
  • 收藏
收藏成功


打開文本圖片集

摘要： 在深度強化學習算法中， 近端策略優(yōu)化算法PPO（Proximal Policy Optimization）在許多實驗任務中表現(xiàn)優(yōu)異， 但具有自適應KL（Kullback-Leibler）散度的KL-PPO 由于其不對稱性而影響了KL-PPO 策略更新效率，為此， 提出了一種基于相關(guān)熵誘導度量的近端策略優(yōu)化算法CIM-PPO （Correntropy Induced Metric-PPO）。（剩余6395字）

monitor