知识卡片
Sarsa按将执行的动作回推
观察 r 和 s′ 后,按行为策略抽 a′,用 r+γQ(s′,a′) 更新 Q(s,a)。如果到达终点,去掉后继值。此方法评估包括随机探索在内的行为策略,查表在状态动作空间很大时成本较高。
关联:[[一步时序差分即刻更新]]。将下一状态估值换成行为策略选择的动作价值。
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
- 5.4.1 Sarsa算法 · 查看原书依据
状态S'和行为A'将转换身份为当前状态和当前行为,该行为将被执行
参考来源
- 位置:《强化学习入门:从原理到实践》第5章《5.4.1 Sarsa算法》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter41.xhtml`,body 子元素 9
- 结论依据:原文明确后继动作既参加估值又进入下一步真实交互。
- 原始内容:状态S'和行为A'将转换身份为当前状态和当前行为,该行为将被执行