近端策略优化

近端策略優化（，PPO）是OpenAI公司于2017年开发的一系列无模型强化学习算法。该算法采用了策略梯度算法，这意味着它们的做法是搜索策略空间而非状态-动作对的值。

近端策略优化包含了置信域方法的一些优点，如更易于实现，更通用，并且具有更好的样本复杂度。该算法是通过使用不同的目标函数来完成的。

另见

• 强化学习
• 时序差分学习
• 博弈论

参考文献
外部链接

• [https://openai.com/blog/openai-baselines-ppo/ Announcement of Proximal Policy Optimization by OpenAI]
• [https://github.com/openai/baselines/tree/master/baselines/ GitHub repo]