论文部分内容阅读
策略梯度作为一种能够有效解决连续空间决策问题的方法得到了广泛研究,但由于在策略估计过程中存在较大方差,因此,基于策略梯度的方法往往受到样本利用率低、收敛速度慢等限制.针对该问题,在行动者-评论家（actor-critic,简称AC）算法框架下,提出了真实在线增量式自然梯度AC（true online incremental natural actor-critic,简称TOINAC）算法.TOINAC算法采用优于传统梯度的自然梯度,在真实在线时间差分（true online time difference