Actor-kritiker-algoritme
term_id: actor_critic_algorithm
Category: basic_concepts
Definition
Actor-kritiker-algoritmen bruker to komponenter: actoren, som oppdaterer politikken for å velge handlinger, og kritikeren, som evaluerer kvaliteten på disse handlingene ved å estimere verdifunksjonen.
Summary
Et rammeverk for forsterkningslæring som kombinerer verdibaserte og policybaserte metoder ved hjelp av to nevrale nettverk: en actor og en kritiker.
Key Concepts
- Policy-gradient
- Verdifunksjon
- Tidsmessig differansefeil
- Hybrid RL
Use Cases
- Manipulering med robotarm
- Spillagenter (f.eks. AlphaStar)
- Kontinuerlige kontrollsystemer i autonome kjøretøy