问题描述
在对Google搜索中的PPO进行深入搜索和研究之后，我注意到许多人都在规范优势而不是奖励。我们应该规范什么？我们应该同时规范优势和回报吗？或者只是将其中之一标准化就可以了吗？
returns = gae + values
gae = normalize(gae)
或
returns = gae + values
returns = normalize(returns)
gae = normalize(gae)
或
gae = normalize(gae)
returns = gae + values
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）