Séance de cours
Cette séance de cours explore comment les traces d'éligibilité émergent dans les algorithmes de gradient de politique lors de l'optimisation du rendement dans un environnement en plusieurs étapes. L'instructeur esquisse des étapes mathématiques importantes, y compris l'utilisation de variables d'ombre et la règle de mise à jour pour les paramètres avec trace d'éligibilité. Le concept de maximisation du rendement réduit avec gradient de politique conduit naturellement à des traces dadmissibilité, ce qui le rend facile à mettre en œuvre. La séance de cours couvre également Actor-Critic avec des traces d'éligibilité, en mettant l'accent sur l'estimation des fonctions de valeur d'état et le paramétrage des politiques. En mettant à jour les traces d'admissibilité tout en se déplaçant, le processus d'apprentissage devient rapide et efficace.