← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.436Z

学习算法,即行动策略为ε-greedy策略评估策略为贪婪策略。 图5.14 Qlearning伪代码及Python实现

在 Qlearning 算法中,最关键的代码实现包括:行为值函数的表示,探索环境的策略,值函数更新时贪婪策略,值函数更新。下面我们一一介绍。

(1)Qlearning的行为值函数表示。 对于表格型强化学习算法,值函数是一张表格。对于行为值函数,这张表可以看成是

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/text00014.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57