原书出处
强化学习入门:从原理到实践
04 4.2 时序差分强化学习
用离开该状态的即刻奖励Rt+1与下一时刻状态St+1的预估状态价值乘以衰减系数γ
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/chapter28.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d