目录
考题0:Batch RL Solution
考题1: table lookup model
1答:若使用MC算法,那么访问的奖励和/访问次数,那么V(A)=0/1=0;V(B)=6/8=3/4
若使用TD算法,那么V(A)=3/4
2答:MC方法未必收敛到相同的解。MC方法将收敛于使观测值的MSE最小的解。
目录
1答:若使用MC算法,那么访问的奖励和/访问次数,那么V(A)=0/1=0;V(B)=6/8=3/4
若使用TD算法,那么V(A)=3/4
2答:MC方法未必收敛到相同的解。MC方法将收敛于使观测值的MSE最小的解。