知识卡片

普通读书笔记卡 · 2700.e.1.a · 生成模型:未记录

状态价值是回报期望

理解等级:中级

回报属于一次实际轨迹中的某个时刻,价值属于给定过程和状态。即使同一回合两次经过 C1,剩余奖励也可能不同。取多次代表性轨迹的均值可用于估计状态价值。

关联:[[折扣回报按时间加权]]。折扣回报是状态价值的随机被平均量。

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 26 - 结论依据:原文针对同一状态可以生成许多条不同轨迹而引入期望。 - 原始内容:价值(Value)是马尔可夫奖励过程中状态收获的期望