知识卡片
固定策略可解线性方程
令 Pπ 表示固定策略之后的状态转移矩阵,rπ 是各状态的期望即时奖励列向量,则价值向量满足 (I−γPπ)vπ=rπ。状态数较少时可直接解这个线性方程组。有限状态且 γ 时,随机矩阵的谱半径至多为 1,可逆性有保证。γ=1 时应明确终止边界和是否总会终止,吸收状态应固定为零并按需要在未知量中去除。
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
- 马尔可夫决策过程 2.2.1 贝尔曼期望方程 · 查看原书依据
也可以针对式(V(s)和V(s')关系式,Q(s,a)和Q(s',a')关系式)列线性方程组,方程组中唯一的未知数是值函数(或行为值函数),其未知数的个数与方程组的个数一致,可求解。
参考来源
- 位置:《强化学习》第02章《马尔可夫决策过程》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-011.xhtml#isbn9787302538295_2_1_1_4`)
- 结论依据:原文给出矩阵形式与直接解,并明确要求 I−γPπ 可逆;折扣和终止条件解释这个限制为何重要。
- 原始内容:也可以针对式(V(s)和V(s')关系式,Q(s,a)和Q(s',a')关系式)列线性方程组,方程组中唯一的未知数是值函数(或行为值函数),其未知数的个数与方程组的个数一致,可求解。