知识卡片

普通读书笔记卡 · 2700.e.1.a.1.c.3.a · 生成模型:未记录

动作效用迹按回合重置

理解等级:中级

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?

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《5.4.2 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