← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.434Z

分的原理。 我们再来看看期望的计算。设 X 表示随机变量,且服从概率分布 ,计算函数 的期望。 函数 的期望计算公式为

利用蒙特卡罗的方法计算该式很简单,即不断地从分布 中采样,然后对这些 取平均便可近似 的期望。这也是4.1节中估计值函数的方法。

只不过那里的一个样本是一个episode,每个episode 产生一个状态值函数,蒙特卡罗的方法估计状态值函数就是把这些

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/text00013.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57