madaodi_的博客

原创 2020-10-29

Q-Learning介绍 基本思想 Q-learning – value-base 什么是Critic: critic并不直接决定采取什么行动，但是会用来衡量一个actor的好坏 critic的输出值取决于被评估的actor 状态价值函数 V π ( s ) V^\pi(s)V π (s): 对于actor π \piπ, 给定状态s，期望得到的累积收益，该值取决于状态s和actor π \piπ 如何估计状态价值函数 V π ( s ) V^\pi(s)V π (s): 基于蒙特卡洛的方法Monte-Ca