原书出处
深入浅出强化学习:原理入门
05 第5章 基于时间差分的强化学习方法
要小,相应的方差也比蒙特卡罗方法中的方差小。 时间差分方法包括同策略的Sarsa方法和异策略的Qlearning方法。
如图5.6所示为同策略Sarsa强化学习算法,需要注意的是方框中代码表示同策略中的行动策略和评估的策略都是ε-greedy策略。与蒙特卡罗方法不同的是,它的值函数更新不同。
图5.6 同策略Sarsa强化学习算法 如图5.7所示为异策略的Qlearning方法。与Sarsa方法的不同之处在于
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/text00014.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57