知识卡片
简单搜索等额模拟根动作
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?
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
- 8.3.1 简单蒙特卡罗搜索 · 查看原书依据
关注点是当前状态和行为对应的收获值
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