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
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
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