知识卡片
动作值允许直接改进策略
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?
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
- 5.1 行为价值函数的重要性 · 查看原书依据
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
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