知识卡片

普通读书笔记卡 · 2700.f.1.a.1 · 生成模型:未记录

Dyna用真实经验带动规划

理解等级:中级

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?

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

    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