标签：LASER importance off EXPERIENCE sampling critic actor policy OFF

发表时间：2019
文章要点：这篇文章主要想把actor-critic方法里面加个replay buffer来提高采样效率。先是分析了把actor-critic变成off-policy的过程中需要做的修正，主要是importance sampling和V-trace，以及即使这样也会产生误差。然后就说把off-policy的数据混合on-policy的数据一起训练会环节这个问题，并在此基础上还加了个trust region的限制。最后混在一起成了个off-policy actor-critic方法。
总结：感觉有点大杂烩的感觉，以后要是想总结一下importance sampling这一系列的改进，可以再回过头来看看。但是看图里的曲线，特别是和baseline对比的曲线，几乎没有任何提升，貌似没啥用。可能这也是这个算法没啥名气的原因吧。
疑问：证明没有细看，其实还是底子不够，看一眼不知道在证个啥。

标签：LASER,importance,off,EXPERIENCE,sampling,critic,actor,policy,OFF
来源： https://www.cnblogs.com/initial-h/p/15039159.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。