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
定义:设 是度量空间,其度量用 表示。映射 ,若存在a, 使得 ,则称 上的一个压缩映射; 若存在 ,则称 的不动点。
定理1完备度量空间上的压缩映射具有唯一的不动点。 定理1是说,从度量空间任何一点出发,只要满足压缩映射,压缩映射的序列必定会收敛到唯一的不动点。因此证明一个迭代序列是不是收敛,只要证明该序列所对应的映射是不是压缩映射。
我们已经知道了什么是压缩映射,那么策略评估是如何跟压缩映射扯上关系的呢? 回答这个问题,我们还要追根溯源,看看基于模型
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