知识卡片
交互循环可复用更新算法
行动方法统一做环境步进、保存转移、更新当前状态。外层循环按回合累积步数和奖励。Sarsa 等子类复用这些动作流程,只需指定如何选动作和怎样消费转移。如此可用随机基线分辨性能变化来自学习还是环境差异。
关联:[[环境接口封装转移]]。智能体消费统一 step 反馈,在同一循环替换动作和学习逻辑。
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
- 5.7.3 个体基类的编写 · 查看原书依据
要让个体具备学习能力需要改写策略方法policy以及学习方法learning_method
参考来源
- 位置:《强化学习入门:从原理到实践》第5章《5.7.3 个体基类的编写》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter49.xhtml`,body 子元素 18
- 结论依据:原文把环境调用与各算法的选择及更新分开。
- 原始内容:要让个体具备学习能力需要改写策略方法policy以及学习方法learning_method