知识卡片
轨迹只记录可控决策
每次轮到玩家决定时记下当时的信息和动作。停牌后庄家继续抽牌的阶段属于环境对这一决策的响应,可只保留最终奖励。回放异常对局时仍可另开手牌日志检查判分。
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
- 4.4.3 游戏场景的搭建 · 查看原书依据
将该对局产生的详细信息记录为一个episode对象
参考来源
- 位置:《强化学习入门:从原理到实践》第4章《4.4.3 游戏场景的搭建》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter33.xhtml`,body 子元素 48
- 结论依据:原文以每局状态行为序列和独立的终局奖励构建采样单元。
- 原始内容:将该对局产生的详细信息记录为一个episode对象