知识卡片

普通读书笔记卡 · 2700.e · 生成模型:未记录

奖励把任务变成优化目标

理解等级:中级

小球从起点多走一格就多扣一次分。在相同终点奖励和不折扣的这一设定下,最大化总奖励等价于减少非终点步数。改奖励规则也可能改变学到的行为。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《强化学习入门:从原理到实践》第1章《1.2 强化学习的基本概念》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter6.xhtml`,body 子元素 3 - 结论依据:原文用步数惩罚把少走几步写进累计奖励目标。 - 原始内容:对于任何没有到达目标位置的每一次移动行为,我们都会给小球一个数值为-1的奖励