知识卡片
折扣回报按时间加权
若接下来获得 -2、-2、10,折扣因子为 0.5 时的回报是 -2-1+2.5=-0.5。γ 为 0 仅看当前这一步,γ 为 1 不折扣。有限回合可直接加总,存在无限循环时还需保证回报定义良好。
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
- 2.2 马尔可夫奖励过程 · 查看原书依据
引入了一个取值范围在[0,1]间的衰减系数γ
参考来源
- 位置:《强化学习入门:从原理到实践》第2章《2.2 马尔可夫奖励过程》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter11.xhtml`,body 子元素 13
- 结论依据:原文给出衰减因子和距离越远折扣越大的含义。
- 原始内容:引入了一个取值范围在[0,1]间的衰减系数γ