← 返回卡片

原书出处

智能算法导论

204 2 1 . 2 . 1 最 大 边 际 规 划

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

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。

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_0005.xhtml

EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d