知识卡片
同步评估每轮读取旧值
给定策略后,把每个状态的一步回推写到新表,整轮完成后再置换旧表。可监控最大绝对改变量判定停止。折扣率小于 1 的有限问题可用压缩性解释收敛。无折扣格子世界依赖回合终止条件。
关联:[[动态规划复用子问题价值]]。同步计算用前一轮的全部子问题值。
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
- · 3.1 策略评估
原书出处 · 1 处
- 3.1 策略评估 · 查看原书依据
使用上一个迭代周期k内的后续状态价值来计算并更新当前迭代周期k+1内某状态s的价值
参考来源
- 位置:《强化学习入门:从原理到实践》第3章《3.1 策略评估》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter17.xhtml`,body 子元素 3
- 结论依据:原文规定同步回推在同一轮读同一份前一轮估值。
- 原始内容:使用上一个迭代周期k内的后续状态价值来计算并更新当前迭代周期k+1内某状态s的价值