知识卡片
动作效用迹按回合重置
状态动作迹记录本回合经过的具体选择。先把当前动作对的迹加一,再按 TD 误差和迹更新 Q,并衰减迹。到下一局时清掉路径记忆,避免下一局的即时误差分配给上一局动作。
关联:[[Sarsa按将执行的动作回推]]。在同策略动作价值 TD 上加跨步骤分配误差的迹。
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
- 5.4.2 Sarsa(λ)算法 · 查看原书依据
在每浏览完一个状态序列后需要重新置0
参考来源
- 位置:《强化学习入门:从原理到实践》第5章《5.4.2 Sarsa(λ)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/chapter42.xhtml`,body 子元素 21
- 结论依据:原文用重置控制效用迹的作用范围。
- 原始内容:在每浏览完一个状态序列后需要重新置0