← 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

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。

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