知识卡片
吸收行会令整矩阵奇异
Sleep 只转移到自身且奖励为零。令 γ=1 后,对应的贝尔曼行只得到 V(Sleep)−V(Sleep)=0,没有固定这个值。若任务在此终止,可另固定终止价值为零并只对非终止状态求解。改用接近 1 的折扣是书中用于比较数值的近似。
关联:[[贝尔曼递推拆分一步]]。将递推写为线性系统后,吸收行给出求解边界。
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
- 2.4.1 收获和价值的计算 · 查看原书依据
当γ=1时需要计算的矩阵的逆恰好不存在
参考来源
- 位置:《强化学习入门:从原理到实践》第2章《2.4.1 收获和价值的计算》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter14.xhtml`,body 子元素 19
- 结论依据:原文说明学生过程的吸收状态使直接求逆在该折扣值不可行。
- 原始内容:当γ=1时需要计算的矩阵的逆恰好不存在