Actor-kritiker-algoritm
term_id: actor_critic_algorithm
Category: basic_concepts
Definition
Actor-kritiker-algoritmen använder två komponenter: aktören, som uppdaterar policyn för att välja handlingar, och kritikern, som utvärderar kvaliteten på dessa handlingar genom att uppskatta värdetfunktionen.
Summary
En förstärkningsinlärningsramverk som kombinerar värdebaserade och policybaserade metoder med hjälp av två neurala nätverk: en aktör och en kritiker.
Key Concepts
- Policygradient
- Värdetfunktion
- Tidsdifferensfel
- Hybrid RL
Use Cases
- Manipulation med robotarmar
- Spelagenter (t.ex. AlphaStar)
- Kontinuerliga styrsystem i autonoma fordon