随机方差缩减的递归动量策略梯度方法

辛垚辉,李永强,冯宇,胡磊

Stochastic variance-reduced recursive momentum policy gradient method

Yaohui XIN,Yongqiang LI,Yu FENG,Lei HU

表 3 基准实验参数设置

Tab.3 Benchmark experimental parameter settings

算法 $ \gamma $ $ \eta $ $ \alpha $ $ p_{t} $ $ {p}_{0} $ $ S_{1} $ $ B $ $ Q $ GPOMDP 0.99 0.01 — — — — — — STORM-PG 0.99 0.01 0.9 — — 20 5 — PAGE-PG 0.99 0.01 — 0.3 — 20 5 — SHARP 0.99 0.01 0.9 — — 20 5 — SVRRM-PG 0.99 0.01 0.9 — 0.3 20 5 100