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
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。
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