Nov, 2024

超越近端策略优化的边界

TL;DR本研究针对传统近端策略优化(PPO)算法的局限性,提出了外部近端策略优化(outer-PPO)框架,通过将更新向量的估计与应用解耦,探索了不同的学习率和动量对算法性能的影响。研究表明,使用非单位学习率和动量可以在多个环境中显著提升算法表现,推动了PPO算法的改进与应用。