知识卡片

普通读书笔记卡 · 6598.h.2.a · 生成模型:未记录

轨迹只记录可控决策

理解等级:中级

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?

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《4.4.3 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