每一个后面的state,都可以修正前面的state的V(s).后一state的V(s)更接近真实值,比如后一state恰好是自循环,那么它的V(s)经过很少的几个回合,就可以得到真实值
开车,前一秒感觉很正常,后一秒感觉快撞车,这时候就要修正前一秒的感觉
TD Target 应该等于 V(s),TD error 应该等于0。这样得到的V(s)函数才是正确的
利用每一step的数据评估V(s),MC是利用每一episode的数据评估V(s)
forward view TD(namda) 是站在当前看未来,namda越大,看到的未来越远,越远的未来对当前有影响
backward view TD(namda) 是站在结果看过去,离结果越近的state,对结果贡献越大,分得的权重越大。namda等于0,表示上一状态分得全部的权重1;namda等于1,表示之前的所有状态按比例分享权重,越近分得的权重越大,改变越大
forward view和backward view 算出来的TD(namda)值无区别