← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.433Z

算 如图3.9所示为方格世界贪婪策略的示意图。我们仍然以状态1为例得到改善的贪婪策略: 图3.9 方格世界贪婪策略选取

至此,我们已经给出了策略评估算法和策略改善算法。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

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/text00011.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57