知识卡片
状态价值是回报期望
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?
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
价值(Value)是马尔可夫奖励过程中状态收获的期望
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