Otimização de Política Proximal

Otimização de Política Proximal (em inglês Proximal Policy Optimization (PPO)) é uma família de algoritmos de aprendizado por reforço sem modelo desenvolvido na OpenAI em 2017. Os algoritmos PPO são métodos de gradiente de política, o que significa que eles pesquisam o espaço de políticas em vez de atribuir valores a pares de estado-ação.

Os algoritmos PPO têm alguns dos benefícios dos algoritmos de otimização de política de região confiável (TRPO), mas são mais simples de implementar, mais gerais e têm uma complexidade de amostra melhor.[1] Isso é feito usando uma função objetivo diferente.[2]

Veja também

editar
  • Aprendizagem por reforço
  • Aprendizagem por diferença temporal
  • Teoria do jogo

Referências

editar
  1. Schulman, John; Wolski, Filip. «Proximal Policy Optimization Algorithms». arXiv:1707.06347  
  2. «Proximal Policy Optimization». OpenAI. 2017 

Ligações externas

editar