原书出处
强化学习入门:从原理到实践
03 第3章 动态规划寻找最优策略
贝尔曼方程把问题递归为求解子问题;价值函数相当于存储了一些子问题的解,可以复用
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter16.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d