人工智能学习笔记9

 

 

 

 

 

 

 

 

Agent：智能体

 

策略网络（Policy Network）：

直接预测在某个环境状态下应该采取的Action。    适合Action种类非常多或者有连续取值的Action的环境。（学习的不是某个action对应的期望价值Q，而是直接学习在当前环境应该采取的策略，可以直接产生最终的策略）

价值/估值网络（Value Network）：

预测某个环境状态下所有Action的期望价值（Q值），之后可以通过选择Q值最高的Action执行策略。     适合仅有少量离散取值的Action的环境。