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. Isso é feito usando uma função objetivo diferente.
Ver também
Aprendizagem por reforço Aprendizagem por diferença temporal Teoria do jogo
Referências
Ligações externas
Anúncio da Otimização de Política Proximal da OpenAI repositório GitHub Categoria:Aprendizagem de máquina