秋曾万的博客

原创 A Distribution Perspective on Reinforcement Learning(C51) 概率分布下的贝尔曼方程

原本的Bellman Equation 更新为 ////// 状态值函数Q(x,a)Q(x,a)Q(x,a)是一个单点值函数，表示x状态下执行a动作的累计回报（期望） 去掉期望后，得到的就是一个关于随机变量的函数关系： ////// 这里的随机变量Z(x,a)Z(x,a)Z(x,a) 是在x状态下执行a动作之后的回报形成的随机变量。注意它是具有概率...