知识卡片
序贯决策反馈
序贯决策中,当前行动影响后续状态和可获得的奖励,因此目标通常是优化一段时间的累计收益,而不只看眼前一步。强化学习让智能体根据观察选择行动,与环境交互并从奖励中学习策略;环境状态不一定完全可观察。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
在每一个时段都做出决策,每一时段的决策都会对未来产生一定的影响
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:原文定义每个时段的决定会影响未来,并介绍智能体与环境交互。
- 原始内容:在每一个时段都做出决策,每一时段的决策都会对未来产生一定的影响