Trí tuệ nhân tạo & Deep RL
Policy Gradient (REINFORCE Algorithm)
ID: #483
Xem trên trang chủ
Thời gian (Time)
O(Epochs * Trajectory)
Không gian (Space)
O(Weights)
Mô tả nguyên lý
Tối ưu hóa trực tiếp trọng số mạng nơ-ron chiến lược dựa trên tổng phần thưởng quỹ đạo.
Cài đặt mẫu (Implementation)
// Tính toán đạo hàm xác suất hành động nhân với tổng phần thưởng tích lũy (returns).
Trí tuệ nhân tạo & Deep RL
Proximal Policy Optimization (PPO)
ID: #484
Xem trên trang chủ
Thời gian (Time)
O(Epochs * Batch)
Không gian (Space)
O(Weights)
Mô tả nguyên lý
Thuật toán học tăng cường ổn định sử dụng hàm cắt tỉa (clipped surrogate objective) tránh thay đổi chính sách đột ngột.
Cài đặt mẫu (Implementation)
// Giới hạn tỷ lệ xác suất chính sách mới và cũ trong khoảng $[1-\epsilon, 1+\epsilon]$.