← 返回卡片

原书出处

智能算法导论

203 2 1 . 2 逆 向 强 化 学 习

核验版本的摘录快照 · 导入于 2026-10-23T08:14:02.897Z

一种更可靠的回报函数,Ng等研究了马尔可夫决策过程中的逆强化学习问题,即在给定的观测最优行为下,提取一个报酬函数[6]。

当需要基于最优序列样本学习策略时,可以结合逆向强化学习和强化学习共同提高回报函数的精确度和策略的效果。 逆向强化学习主要可以分为两类:基于最大边际的逆向强化学习和基于最大熵的逆向强化学习[7]。

基于最大边际的逆向强化学习又可以分为学徒学习[8]、最大边际规划(Maximum Margin Planning,MMP

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/智能算法导论/_epub-src/EPUB/xhtml/chapter21_0004.xhtml

EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d