原书出处
强化学习入门:从原理到实践
03 3.1 策略评估
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
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/chapter17.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d