Actor-kritiker-algoritme
term_id: actor_critic_algorithm
Category: basic_concepts
Definition
Actor-kritiker-algoritmen anvender to komponenter: actoren, som opdaterer politikken for at vælge handlinger, og kritikeren, som evaluerer kvaliteten af disse handlinger ved at estimere værdifunktionen.
Summary
Et forstærkningstræningsframework, der kombinerer værdibaserede og politikbaserede metoder ved hjælp af to neurale netværk: en actor og en kritiker.
Key Concepts
- Politikgradient
- Værdifunktion
- Tidsmæssig differensfejl
- Hybrid RL
Use Cases
- Manipulation med robotarme
- Spillende agenter (f.eks. AlphaStar)
- Kontinuerlige styringssystemer i autonome køretøjer