原书出处
强化学习入门:从原理到实践
05 5.6 编程实践:蒙特卡罗学习求解21点游戏的最优策略
MC_Player类就具备了学习Q值的方法和一个ϵ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/chapter45.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d