← 返回卡片

原书出处

强化学习

01 强化学习概述 2.值函数

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.893Z

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:

此预览只包含定位所需的摘录和上下文。

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