原书出处
深入浅出强化学习:原理入门
03 第3章 基于模型的动态规划方法
算法。万事已具备,将策略评估算法和策略改善算法合起来便组成了策略迭代算法,如图3.10所示。 图3.10 策略迭代算法
策略迭代算法包括策略评估和策略改善两个步骤。在策略评估中,给定策略,通过数值迭代算法不断计算该策略下每个状态的值函数,利用该值函数和贪婪策略得到新的策略。如此循环下去,最终得到最优策略。
这是一个策略收敛的过程。 如图3.11所示为值函数收敛过程,通过策略评估和策略改善得到最优值函数。从策略迭代的伪代码我们
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/text00011.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57