知识卡片
价值迭代
价值迭代通过贝尔曼方程反复更新状态价值,让未来收益逐步回传到当前状态。它适合模型已知的序贯决策,也解释了很多强化学习算法的骨架。
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17章 做复杂决策
- · 全书主线
原书出处 · 1 处
- 做复杂决策 17.2.1 价值迭代 · 查看原书依据
贝尔曼方程[式(17-5)]是求解MDP的价值迭代算法的基础。如果MDP中有n个可能状态,则我们可以得到n个方程,且每个方程对应一个状态。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第17章《做复杂决策》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0036_split_002.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:价值迭代通过贝尔曼方程反复更新状态价值,让未来收益逐步回传到当前状态。原文从「17.2.1 价值迭代」处给出对应机制与依据,支撑本卡结论。
- 原始内容:贝尔曼方程[式(17-5)]是求解MDP的价值迭代算法的基础。如果MDP中有n个可能状态,则我们可以得到n个方程,且每个方程对应一个状态。