知识卡片

普通读书笔记卡 · 2700.f.2.a · 生成模型:未记录

行为策略与目标策略

理解等级:中级

行为策略负责行动及覆盖。目标策略是价值估计所对应的规则。两者相同称同策略,分开称异策略。异策略训练需要足够覆盖目标关联的状态和动作,不同算法有不同的更新或校正要求。

关联:[[预测与控制的目标不同]]。把真实交互规则与待评估或优化规则区分开。

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5章《第5章 无模型的控制》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter36.xhtml`,body 子元素 4 - 结论依据:原文把数据采样和学习目标分配给两个可相同的策略。 - 原始内容:实际交互行为的策略称为行为策略,把用来评价状态或行为价值的策略或者待优化的策略称为目标策略