卿云阁_个人页

2026年05月

• 05.23 14:19:45
  发表了文章 2026-05-23 14:19:45

  图解强化学习 |手算PG算法

  PG（Policy Gradient）策略梯度算法直接优化策略网络，输出动作概率而非价值，适用于离散/连续动作空间。需整回合采样后计算折扣回报Gₜ，以-logπ·G为损失函数更新参数，提升高回报动作概率。可引入基线（如平均回报）构建优势函数，提升训练稳定性与效率。（239字）
• 05.23 10:51:49
  发表了文章 2026-05-23 10:51:49

  图解强化学习 |手算Actor-Critic

  Actor-Critic是一种融合策略优化（Actor）与价值评估（Critic）的强化学习算法：Actor负责选动作，Critic实时打分（如TD误差），实现单步更新、低方差、高效率，兼顾离散/连续动作空间。（239字）
• 05.23 09:29:06
  发表了文章 2026-05-23 09:29:06

  图解强化学习 |手算DDPG

  DDPG（深度确定性策略梯度）是一种面向连续动作空间的Actor-Critic强化学习算法。它采用4网络结构（Actor/Critic及其对应目标网络），结合经验回放与软更新，通过确定性策略梯度优化策略，广泛应用于机器人控制、自动驾驶等场景。（239字）

2022年02月

• 02.22 15:23:16
  发表了文章 2022-02-22 15:23:16

  ECS使用体验

  飞天加速计划·高校学生在家实践

  
• 02.11 13:10:51
  提交了问题 2022-02-11 13:10:51

  宝塔面板突然打不开了（就是今天早上用宝塔下载东西的时候，不小心把页面退出了，然后再也登不上去了。）