知识卡片
观测重名会困住贪婪策略
策略若只看相同的墙壁特征,无法区分两个位置。固定选左会在其中一处反复折返。随机选能退出某些循环,若希望在每个位置稳定作合适选择,需要更有辨识力的观测或历史。
关联:[[观测不一定包含完整状态]]。相同观测需要不同动作的格子演示状态表示失真。
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
- 7.1 基于策略学习的意义 · 查看原书依据
多个状态发生重名情况
参考来源
- 位置:《强化学习入门:从原理到实践》第7章《7.1 基于策略学习的意义》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter67.xhtml`,body 子元素 3
- 结论依据:原文用两个灰格的同一观测及相反动作需求解释循环。
- 原始内容:多个状态发生重名情况