stochastic-policy

介绍QuantFPFlow，一种强化学习框架，利用量子振幅估计在连续控制的Fokker-Planck配分函数估计中实现二次加速，从而改善探索并避免局部最优。

本文解释了将香农熵纳入强化学习目标函数，如何创造出更稳健的智能体，使其能够应对奖励和动态环境中出现的意外甚至对抗性变化。