Model指的是針對環境的建模,即輸入Action,環境的響應:Reward和State。
Model-Free:環境對輸入的響應就是一個映射,without model,如常見的深度強化學習DQN/A3C/PPO等;
Model-Based:環境對輸入的響應是統計概率分佈P(s_new|s,a)及P(r|s,a),如動態規劃等傳統強化學習方法。
Model指的是針對環境的建模,即輸入Action,環境的響應:Reward和State。
Model-Free:環境對輸入的響應就是一個映射,without model,如常見的深度強化學習DQN/A3C/PPO等;
Model-Based:環境對輸入的響應是統計概率分佈P(s_new|s,a)及P(r|s,a),如動態規劃等傳統強化學習方法。