1.agent如何自动打游戏
①学习一种policy函数π————策略学习
每观测到一个状态st，
就把st作为π函数的输入，π函数会输出每一个动作的概率，用这些概率做一个随机抽样得到at，
最后agent执行这个动作at
②学习最优动作价值函数Q*————价值学习
每观测到一个状态st，
把st作为Q*函数的输入，让Q*函数对每一个动作都做一个评价，这样就知道向左向右向上每一个动作的Q值，选择Q值最大的那个动作
①学习一种policy函数π————策略学习
每观测到一个状态st，
就把st作为π函数的输入，π函数会输出每一个动作的概率，用这些概率做一个随机抽样得到at，
最后agent执行这个动作at
②学习最优动作价值函数Q*————价值学习
每观测到一个状态st，
把st作为Q*函数的输入，让Q*函数对每一个动作都做一个评价，这样就知道向左向右向上每一个动作的Q值，选择Q值最大的那个动作
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
