← 返回卡片

原书出处

深入浅出强化学习:原理入门

02 第2章 马尔科夫决策过程

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.432Z

-行为值函数的定义计算式,但在实际真正计算和编程的时候并不会按照定义式编程。接下来我们会从不同的方面对定义式进行解读。

(2)状态值函数与状态-行为值函数的贝尔曼方程。 由状态值函数的定义式(2.3)可以得到: (2.5)式最后一个等号的证明: 这里需要注意的是对哪些变量求期望。 同样我们可以得到状态-动作值函数的贝尔曼方程

: 状态值函数与状态-行为值函数的具体推导过程如下。 图2.5和图2.6分别为状态值函数和行为值函数的具体计算过程。其中

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/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00010.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57