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
要性采样的原理有本质的区别。拒绝采样和重要性采样利用提议分布产生样本点,当维数很高时难以找到合适的提议分布,采样效率差。
MCMC 的方法则不需要提议分布,只需要一个随机样本点,下一个样本会由当前的随机样本点产生,如此循环源源不断地产生很多样本点。最终,这些样本点服从目标分布。
如何通过当前样本点产生下一个样本点,并保证如此产生的样本服从原目标分布呢? 它背后的定理是:目标分布为马氏链平稳分布。
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