原书出处
机器学习公式详解
16 第16章 强化学习
此式的目的是获得最优的状态值函数.这里取了两层最优,分别是采用最优策略和选取使得状态动作值函数最大的动作.
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/机器学习公式详解/_epub-src/text/part0022.html
EPUB SHA-256:3f52f14346ec43f1bc569a06c7f500ac80a018b0ab81f85b7c829d3971dab3b7