138页“策略优化”PPT--Pieter Abbeel

深度强化学习报道

来源于：Pieter Abbeel教授(slide)

编辑：DeepRL

策略梯度法（Policy gradient methods）是近来使用深度神经网络进行控制的突破基础，不论是视频游戏还是 3D 移动或者围棋控制等，它们都基于策略梯度法。但是通过策略梯度法获得优秀的结果是十分困难的，因为它对步长大小的选择非常敏感。如果迭代步长太小，那么训练进展会非常慢，但如果迭代步长太大，那么信号将受到噪声的强烈干扰，因此我们会看到性能会急剧降低。同时这种策略梯度法有非常低的样本效率，它需要数百万（或数十亿）的时间步骤来学习一个简单的任务。因此，策略优化成为一个非常重要的研究问题，本文选取了大牛Pieter Abbeel的演讲slide。

slide原文pdf地址：

1、公众后台回复：Policy

2、 https://github.com/NeuronDance/DeepRL

深度强化学习实验室

算法、框架、资料、前沿信息等

GitHub仓库

https://github.com/NeuronDance/DeepRL

欢迎Fork,Star,Pull Request

▼

往期精彩回顾

▼

第27篇：迁移学习在强化学习中的应用及最新进展

第26篇：深入理解Hindsight Experience Replay

第25篇：10项【深度强化学习】赛事汇总

第24篇：DRL实验中到底需要多少个随机种子？

第23篇：142页"ICML会议"强化学习笔记

第22篇：通过深度强化学习实现通用量子控制

第21篇：《深度强化学习》面试题汇总

第20篇：《深度强化学习》招聘汇总(13家企业）

第19篇：解决反馈稀疏问题之HER原理与代码实现

第18篇："DeepRacer" —顶级深度强化学习挑战赛

第17篇：AI Paper | 几个实用工具推荐

第16篇：AI领域：如何做优秀研究并写高水平论文？

第15篇： DeepMind开源三大新框架！

第14篇： 61篇NIPS2019深度强化学习论文及部分解读

第13篇： OpenSpiel(28种DRL环境+24种DRL算法)

第12篇： 模块化和快速原型设计的Huskarl DRL框架

第11篇： DRL在Unity自行车环境中配置与实践

第10篇： 解读72篇DeepMind深度强化学习论文

第9篇： 《AutoML》：一份自动化调参的指导

第8篇： ReinforceJS库（动态展示DP、TD、DQN）

第7篇： 10年NIPS顶会DRL论文(100多篇)汇总

第6篇： ICML2019-深度强化学习文章汇总

第5篇： 深度强化学习在阿里巴巴的技术演进

第4篇： 深度强化学习十大原则

第3篇： “超参数”自动化设置方法---DeepHyper

第2篇： 深度强化学习的加速方法

第1篇： 深入浅出解读"多巴胺（Dopamine）论文"、环境配置和实例分析