Monte Carlo Methods
无模型的蒙特卡洛学习方法 Model free
idea:未知转移概率矩阵,未知state-value函数 == 通过模拟计算得到(有限的情节任务)
Monte Carlo使用模拟解决Markov Decision Process
5.1 MC Prediction
MC基于抽样数据计算结果
e.g.游戏类都适合:完全信息博弈游戏,像围棋、国际象棋。非完全信息博弈游戏:21点、麻将等等
在Episode中的模拟得到value
first-visit MC
every-visit MC 在一个Episode中,Q(s,a)出现多次如何评估?(平稳性/非平稳性Reward)
平稳性: 均值 V(St) = average(Returns(St))
非平稳性: 1/k换成折扣因子α Vk+1 = Vk + α*(Gk - Vk) α越大越重视眼前Reward Gk当前的收获 Vk每次遇到S的平均价值
5.2 MC Estimation of action-valu