知识卡片
模型把交互变成规划
环境模型描述给定状态和动作之后会怎样,至少提供下一状态的分布及即时奖励信息。拥有模型时,可以评估尚未实际采取的动作,这称为规划。模型也可由交互经验拟合,误差会影响用它得出的决策。蒙特卡罗与时序差分可以直接从观察到的轨迹更新价值。
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 3.模型 · 查看原书依据
在强化学习任务中,模型M是智能体对环境的一个建模。即以智能体的视角来看待环境的运行机制,期望模型能够模拟环境与智能体的交互机制。给定一个状态和行为,该环境模型能够预测下一个状态和立即回报。
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_3`)
- 结论依据:原文给出模型对后果的预测对象,并以已知和未知迷宫解释规划与试错学习。
- 原始内容:在强化学习任务中,模型M是智能体对环境的一个建模。即以智能体的视角来看待环境的运行机制,期望模型能够模拟环境与智能体的交互机制。给定一个状态和行为,该环境模型能够预测下一个状态和立即回报。