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
际方法的直观理解 第四行是在第二行求出参数后,得到回报函数 ,利用该回报函数强化学习,从而得到该回报函数下的最优策略。
综上,逆向强化学习的学徒学习方法可分为两步:第一步在已经迭代得到的最优策略中,利用最大边际方法求出当前回报函数的参数值;第二步是将求出的回报函数作为当前系统的回报函数,并利用正向强化学习的方法求出此时的最优策略。有了最优策略再转到第一步,进入下次循环。
(2)方法二:最大边际规划(MMP)的方法。 MMP的方法将逆向强化学习问题建模为 。 式中从左至右的每一项分别为状态
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