原书出处
人工智能:现代方法(第4版)(上下册)
22 强化学习 22.3.3 时序差分Q学习
这个等式的重要的性质在于它所不包含的内容:无论在学习过程中还是动作选择中,时序差分Q学习智能体都不需要转移模型。如我们在本章开头所述,无模型方法可以应用于非常复杂的领域,因为它们不需要利用或者学习该模型。另外,Q学习智能体无法了解未来的信息,因此当奖励稀疏时智能体可能会遇到困难,并且此时它必须构造长的动作序列才能到达有奖励的部分。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0043_split_003.html
EPUB SHA-256:08e843df8e2d2e0d28fb8c0ab741bd717c1107db73217c8f5c553b434020c660