文章目录 回合更新价值迭代 同策 策略评估 回合更新 起始探索 柔性策略 ( ϵ − s o f t ) (\epsilon-soft) (ϵ−soft) 异策 重要性采样 策略评估 回合更新求解最优策略 回合更新价值迭代 有模型 动力函数 p ( s ’ , r ∣ s , a ) p(s’,r | s, a) p(s’,r∣s,a) 方案：解Bellman期望方程/最优方程，方程求解 / 线性规划 / 动态规划 算法：因为有模型（动力函数），可以策略迭代（Bellman期望方程），也可以价值迭代（Bellman最优方程） 无模型 幕序列 ( S 0 , A 0 , R 0 , S 1 , A 1 , R 1 , . . . , S e n d ) (S_0, A_0, R_0, S_1, A_1, R_1, ..., S_{end}) (
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2320
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
