信任域政策最佳化

信任域政策最佳化（英文：Trust Region Policy Optimization，TRPO）係一類無模型嘅強化學習演算法。佢係一種同策（on-policy）方法，限制KL分歧冇超過某隻數來保證新舊政策走差冇咁遠嘅。喺 TRPO 基礎上發展出有 PPO 啲方法。