知识卡片
蒙特卡罗以整回合回报估值
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?
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
原书出处 · 1 处
- 4.1 蒙特卡罗强化学习 · 查看原书依据
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
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