知识卡片

普通读书笔记卡 · 2700.d.2.a.1.a · 生成模型:未记录

动作值允许直接改进策略

理解等级:中级

知道第 1、2、3 节课的价值,仍需知道泡吧后去各课的概率才能做一步回推。直接用采样估得泡吧的 Q 值即可和学习动作比较,无需单独求出这些转移概率。

关联:[[状态价值平均动作价值]]。未知转移时直接估动作值,仍可按动作比较。

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《5.1 行为价值函数的重要性》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter37.xhtml`,body 子元素 5 - 结论依据:原文用学生示例对比从状态价值和从动作价值作选择所需的信息。 - 原始内容:如果能够确定某个状态下所有可能的行为的价值,那么自然比较容易从中选出一个最优价值的行为