知识卡片

普通读书笔记卡 · 2700.f.1.b.1 · 生成模型:未记录

简单搜索等额模拟根动作

理解等级:中级

分别固定各候选第一步,每个抽 K 个后续回合,用均值选真实动作。共有 m 个根动作时预算是 mK 次模拟。后续模拟策略偏弱时,估计也反映该策略的水平。

关联:[[前向搜索从当前状态出发]]。用模型为每个根候选生成等量模拟。

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《8.3.1 简单蒙特卡罗搜索》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter81.xhtml`,body 子元素 8 - 结论依据:原文说明等量采样比较根动作,无需保留中间动作估值。 - 原始内容:关注点是当前状态和行为对应的收获值