← 返回卡片

原书出处

强化学习

03 动态规划 3.3 策略改进

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

令动作改变后对应的策略为π',a'为在状态s下遵循策略π'选取的动作,同理a″为在状态s'下遵循策略π'选取的动作。改变动作的条件是Qπ(s,a')≥Vπ(s),则可得

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/1-012.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae