原书出处
深入浅出强化学习:原理入门
06 第6章 基于值函数逼近的强化学习方法
,在实际情况中,过估计量并非是均匀的,因此值函数的过估计会影响最终的策略决策,从而导致最终的策略并非最优,而只是次优。
为了解决值函数过估计的问题,Hasselt 提出了 Double Qlearning 的方法。所谓Double Qlearning 是将动作的选择和动作的评估分别用不同的值函数来实现。
那么,什么是动作的选择?什么是动作的评估?我们做些简要的说明。 ●动作选择 在Qlearning的值函数更新中,TD目
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/text00015.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57