原书出处
深入浅出强化学习:原理入门
04 第4章 基于蒙特卡罗的强化学习方法
验的意思),如图4.3所示。 图4.3 蒙特卡罗中的经验 再来看什么是“平均”。 这个概念很简单,平均就是求均值。不过,
利用蒙特卡罗方法求状态 处的值函数时,又可以分为第一次访问蒙特卡罗方法和每次访问蒙特卡罗方法。 第一次访问蒙特卡罗方法是指在计算状态 处的值函数时,只利用每次试验中第一次访问到状态 时的返回值。
如图4.3中第一次试验所示,计算状态 处的均值时只利用 ,因此第一次访问蒙特卡罗方法的计算公式为 每次访问蒙特卡罗方法是
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/text00013.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57