知识卡片

普通读书笔记卡 · 2700.e.1 · 生成模型:未记录

折扣回报按时间加权

理解等级:中级

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?

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