← 返回卡片

原书出处

强化学习

02 马尔可夫决策过程 2.2.2 贝尔曼最优方程

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.894Z

如图2-9所示,当前状态的最优值函数V*(s)等于从该状态s出发,采取的所有行为中对应的那个最大的行为值函数。

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