知识卡片
价值策略模型各管一事
策略决定动作,价值估计累计回报,模型预测转移及奖励。价值法由估值间接选动作,演员与评判者架构同时维护策略和价值。能否模拟环境属于另一维度。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 1.2 强化学习的基本概念 · 查看原书依据
个体通常会建立策略、模型、价值函数这三个组件中的一个或多个
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 12
- 结论依据:原文的智能体分类区分显式策略、价值估计及环境模型。
- 原始内容:个体通常会建立策略、模型、价值函数这三个组件中的一个或多个