原书出处
深入浅出强化学习:原理入门
14 第14章 基于模型的强化学习方法:PILCO及其扩展
计算后继每个状态 的概率分布 。 如何计算这个概率分布呢?运用底层学到的高斯回归模型! 首先我们来看当前步的概率分布:
通过分析方程(14.6),为了计算 我们需要知道: ,这注定是一个递推的算法。因为第t步的状态概率分布 的计算,需要用到前一步即 t-1 步的概率分布 。
所以,我们需要依次计算 。 的计算和要评估的策略有关。一般会将策略参数化为 的函数,因为 是随机变量,而 又是 的函数,
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/text00025.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57