← 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 2026-11-19T06:04:54.435Z

探索策略(行动策略)和评估的策略是否为同一个策略,蒙特卡罗方法又分为on-policy和off-policy两种方法。

若行动策略和评估及改善的策略是同一个策略,我们称为on-policy,可翻译为同策略。 若行动策略和评估及改善的策略是不同的策略,我们称为off-policy,可翻译为异策略。

接下来我们重点理解这on-policy方法和off-policy方法。 (1)同策略。 同策略(on-policy)是

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