知识卡片

普通读书笔记卡 · 2700.e.1.a.2 · 生成模型:未记录

蒙特卡罗以整回合回报估值

理解等级:中级

在每条回合结束后,从状态出现的时刻往后算回报,再跨回合平均。首次访问法每回合每个状态最多贡献一次,每次访问法纳入所有对应时刻。后者同一回合的样本可相关。两者都要求能得到相应的实际回报。

关联:[[状态价值是回报期望]]。用同一策略下的回合回报估计期望。

这张卡片看不懂?

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

    参考来源

    - 位置:《强化学习入门:从原理到实践》第4章《4.1 蒙特卡罗强化学习》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter27.xhtml`,body 子元素 2 - 结论依据:原文的采样目标为策略真实交互下的完整回报。 - 原始内容:直接从所经历过的完整状态序列(Episode)来估计状态的真实价值