[控场AI]
概念概率逻辑策略梯度

PLPG

一种神经符号强化学习方法,通过可微符号监督让策略在训练中满足逻辑约束,适用于离散动作空间

时间轴 (近 90 天)

11月13日

概率逻辑策略梯度(PLPG)假设动作空间是有限且离散的,这限制了它在连续动作空间中的应用。

待验证50%
11月13日

一项研究提出了一种受PLPG启发的连续配置方法,使用重参数化蒙特卡洛采样估计动作满足投资授权的概率,并将其加入训练目标。

待验证50%

全部知识事实 (2)

来源文章