原书出处
强化学习入门:从原理到实践
03 3.2 策略迭代
随后依据新的价值函数得到新的贪婪策略,随后计算新的贪婪策略下的价值函数
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/chapter18.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d