原书出处
强化学习入门:从原理到实践
05 5.5 异策略Q学习算法
比较异策略和行为策略在状态St下产生同样的行为At的概率的比值
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/chapter44.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d