【TD算法】Q-Learning

Sarsa 与Q-Learning 对比

在这里插入图片描述
在这里插入图片描述

Q-Learning TD target 推导

在这里插入图片描述
在这里插入图片描述

  • 替换掉A_{t+1}
    在这里插入图片描述
    直接求期望比较困难,因此做蒙特卡洛近似
    在这里插入图片描述
    y t y_t yt含有部分真实值,更接近真实情况,鼓励 Q ∗ Q^* Q接近 y t y_{t} yt

表格形式

在这里插入图片描述
其中 Q ∗ Q^{*} Q的值都通过查表得到
在这里插入图片描述

神经网络形式

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值