← 返回刚才阅读的位置

知识卡片

专业/工作 · 9506.a · 生成模型:Tencent Hunyuan Hy

价值迭代

理解等级:高级

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?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    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。