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
-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
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