← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.443Z

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,

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/text00025.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57