SAC — Soft Actor-Critic，软演员-评论家算法

事实

一种最大熵离策略深度强化学习算法。

人话

SAC 像训狗捡球：不只奖捡回来，也奖多闻几条路，别只会直线冲。

用于机器人和仿真控制，让策略稳，还愿意探索。

相关概念

• 演员-评论家方法
• Off-Policy Learning／离策略学习
• 探索-利用权衡
• Deep Reinforcement Learning（深度强化学习）

Actor-Critic
SAC 在演员-评论家框架上加入熵奖励。

Off-policy Learning
SAC 复用历史经验训练，样本效率更高。

Exploration-Exploitation
熵奖励让策略在拿分外保留探索空间。

Deep RL
SAC 是连续控制里常用的深度强化学习算法。