原书出处
强化学习
01 强化学习概述 2.值函数
状态值函数Vπ(s)表示从状态s开始,遵循当前策略π所获得的期望回报;或者说在执行当前策略π时,衡量智能体所处状态s时的价值大小。这个值可用来评价一个状态的好坏,指导智能体选择动作,使得其转移到具有较大值函数的状态上去。数学表示如下:
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-010.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae