• 2020 年 7 月 24 日
• 筆記

Abstract 时间抽象是强化学习中扩大学习和规划的关键。虽然计划与时间扩展的行动是众所周知的，但从数据中自主地创建这样的抽象仍然具有挑战性。我们在option框架内解决这个问题[Sutton，Precup&Singh，1999；Precup，2000]。我们推导了option的策略梯度定理，并提 …