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
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。
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