知识卡片
Dyna用真实经验带动规划
一次真实转移同时改 Q 和记录模型。额外从曾经历的状态动作对抽样,用模型回给的奖励与后继再做 Q 更新。增加规划次数能提高真实经验的使用率,模型若长期过时也可能反复强化错误。
关联:[[虚拟转移取自经验模型]]。Dyna 将模型生成的经验和真实 Q 更新放进同一循环。
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
- 8.2 整合学习与规划——Dyna算法 · 查看原书依据
联合使用实际经历和基于模型采样得到的虚拟经历来学习和规划
参考来源
- 位置:《强化学习入门:从原理到实践》第8章《8.2 整合学习与规划——Dyna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/chapter79.xhtml`,body 子元素 2
- 结论依据:原文和算法7显示实际更新、模型拟合、规划更新三条路径。
- 原始内容:联合使用实际经历和基于模型采样得到的虚拟经历来学习和规划