演员-评论家算法

term_id: actor_critic_algorithm

Category: basic_concepts

Definition

演员-评论家算法包含两个组件：演员负责更新策略以选择动作，评论家则通过估计价值函数来评估这些动作的质量。两者协同工作，以提高强化学习的稳定性和效率。

Summary

一种结合基于价值和基于策略方法的强化学习框架，使用两个神经网络：演员（Actor）和评论家（Critic）。

Key Concepts

  • 策略梯度
  • 价值函数
  • 时序差分误差
  • 混合强化学习

Use Cases

  • 机械臂操作
  • 游戏代理（如AlphaStar）
  • 自动驾驶中的连续控制系统

Related