Proximal Policy Optimization(PPO)算法 / 2017

Intro

PPO在2017年提出後就刷新了continous control領域的SOTA記錄，並且成爲了OPENAI的default algorithm。雖然現在它已經不是領域的SOTA算法了，但因爲PPO易於部署而且迭代過程方差小，訓練較穩定，關鍵是使用方便，所以目前（2020.11）它還是大多數場景下的default algorithm。