知识卡片

普通读书笔记卡 · 2700.f · 生成模型:未记录

价值策略模型各管一事

理解等级:中级

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?

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 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