概念GPI / Generalized Policy Iteration
广义策略迭代
广义策略迭代（GPI）是强化学习领域的经典框架，将策略学习刻画为「策略评估」与「策略改进」交替进行的循环，其中改进机制和评估基准均由外部给定且固定不变
时间轴 (近 90 天)
9月15日
广义策略迭代（GPI）将策略学习刻画为策略评估与策略改进交替进行的循环
待验证50%
9月15日
GPI隐含前提是更新原则和评估基准都位于智能体之外，是外部给定且固定不变的
待验证50%
广义策略迭代（GPI）是强化学习领域的经典框架，将策略学习刻画为「策略评估」与「策略改进」交替进行的循环，其中改进机制和评估基准均由外部给定且固定不变
广义策略迭代（GPI）将策略学习刻画为策略评估与策略改进交替进行的循环
GPI隐含前提是更新原则和评估基准都位于智能体之外，是外部给定且固定不变的