原书出处
智能算法导论
204 2 1 . 2 . 1 最 大 边 际 规 划
这个线性映射下最好的策略在专家示例策略附近。该问题可表示为: iiiiii 约束只允许专家示例得到最好的回报的权值存在。
专家示例的值函数与其他策略的值函数的差值,即回报的边际差,与策略损失函数成正比。损失函数可以利用轨迹中两种策略选择不同动作的综合来衡量,此处策略μ指的是每个状态被访问的频次。
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_0005.xhtml
EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d