知识卡片

普通读书笔记卡 · 2700.e.1.a.2.b · 生成模型:未记录

终局奖励可作整局样本目标

理解等级:中级

在无折扣且仅末步给奖励的任务里,任何一个本局决策时刻的回报都等于终局奖励。可以直接按访问计数更新每个状态的均值。若改为每步扣分或折扣率小于一,要分时刻重新计算目标。

关联:[[蒙特卡罗以整回合回报估值]]。此实验中回合所有采样状态的折扣回报等于最终分数。

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《4.4.5 策略评估》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter35.xhtml`,body 子元素 4 - 结论依据:原文的实现把同一终局奖励送入回合各状态的增量平均。 - 原始内容:衰减因子为1,中间状态的即时奖励为0