强化学习第九章总结，总结到9.3

这一章采取函数近似的方法，前面有提到过，状态太多的时候会考虑把策略（存疑求证，记忆里这里应该是策略，但这章提的是v函数）函数pi表示成状态的函数，只要函数的参数比状态数要少，就能起到节省空间的作用。

 

简单写作 v_pi(s, w) = v_pi(s)

 

 

这里的v可以是一个关于特征的线性方程，w是特征的权重，更普遍地说，v可能是一个多层神经网络而w是每一层的权重。通过调整权重。我们可以近似一个很大范围内的的函数。这里的v也可以是一个决策树，而w是是分裂点和叶子值。一般来说，参数的数量会远远低于状态的数量，同时改变一个参数能够影响到很多很多状态的预测值。反过来说就是，我们一旦更新一个状态，这一步结果会泛化到很多状态上去。这使得这一学习既强大又难以掌控。

总结一下就是两点，

1. 节省空间，
2. 第二点借助拟合器的泛化性。

这里我们可以联想到之前dyna算法中，用模型拟合奖励的策略，也许也能够凭借模型的泛化能力带来一些改进。（待考证）

<