原书出处
深入浅出强化学习:原理入门
11 第11章 逆向强化学习
,值函数可以写为 。 当给定m条专家轨迹后,根据定义我们可以估计专家策略的特征期望为 其中,专家状态序列为专家轨迹 。
通过前面引入特征期望,逆向强化学习可以转化为如下问题:寻找一个策略,使它的表现与专家策略相近。 我们可以利用特征期望来表示一个策略的好坏,要找到一个策略,使它的表现与专家策略相近,其实就是找到一个策略 的特征期望与专家策略的特征期望相近
,即使如下不等式成立: 当该不等式成立时,对于任意的权重 ,值函数满足如下不等式: 将(11.3)写成伪代码,如图11.
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/text00022.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57