強化學習策略梯度方法之: REINFORCE 算法 （從原理到代碼實現）
2018-04-01 15:15:42
最近在看policy gradient algorithm, 其中一種比較經典的算法當屬：REINFORCE 算法，已經廣泛的應用於各種計算機視覺任務當中。
【REINFORCE 算法原理推導】
【Pytorch 代碼實現】
該圖像來自於：https://github.com/JamesChuanggg/pytorch-REINFORCE/blob/master/assets/algo.png
上面函數是 離散情況下的，那么，連續領域是什么情況呢？
-------------------------------------------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------------------------------------------
Reference：
1. 參考博文：http://www.tuananhle.co.uk/notes/reinforce.html
2. 參考博文：http://www.scholarpedia.org/article/Policy_gradient_methods
3. 代碼實現（Pytorch version）https://github.com/JamesChuanggg/pytorch-REINFORCE
4. REINFORCE 文章鏈接：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.129.8871&rep=rep1&type=pdf
5. 書籍：Statistical_Reinforcement_Learning