原书出处
强化学习入门:从原理到实践
05 5.3 同策略蒙特卡罗控制
随着采样趋向无穷多,策略收敛至一个贪婪策略
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter39.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d
原书出处
05 5.3 同策略蒙特卡罗控制
随着采样趋向无穷多,策略收敛至一个贪婪策略
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter39.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d