知识卡片
策略给出动作选择
策略规定智能体看到一个状态后如何行动。确定性策略给出一个动作,随机策略给出各动作的概率。策略参数固定时,重复遇到同一状态仍可采到不同动作。训练可以调整参数,从而改变同一状态下的分布。
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
- 强化学习概述 1.策略 · 查看原书依据
策略分为两种,确定性策略和随机性策略。确定性策略会根据具体状态输出一个动作,如μ(s)=a。而随机性策略则会根据状态输出每个动作的概率(概率值大于等于0,小于等于1),输出值为一个概率分布。
参考来源
- 位置:《强化学习》第01章《强化学习概述》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-010.xhtml#isbn9787302538295_1_1_2_2_1`)
- 结论依据:原文区分确定性动作与随机动作分布,并区分固定策略下的采样与训练中的策略更新。
- 原始内容:策略分为两种,确定性策略和随机性策略。确定性策略会根据具体状态输出一个动作,如μ(s)=a。而随机性策略则会根据状态输出每个动作的概率(概率值大于等于0,小于等于1),输出值为一个概率分布。