← 返回卡片

原书出处

强化学习

02 马尔可夫决策过程 2.2.1 贝尔曼期望方程

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

本节介绍两类贝尔曼方程,分别为贝尔曼期望方程和贝尔曼最优方程。贝尔曼期望方程表达了当前值函数(或行为值函数)和它后继值函数(或行为值函数)的关系,以及值函数和行为值函数之间的关系。贝尔曼最优方程表达了当前最优值函数(或最优行为值函数)和它后继最优值函数(或最优行为值函数)的关系,以及最优值函数和最优行为值函数之间的关系。贝尔曼方程为后续各类以迭代方式求解值函数的方法打开了大门,如果知道下一个状态的值,就能很容易求解当前状态的值。

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/1-011.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae