← 返回卡片

原书出处

强化学习

03 动态规划 3.4 策略迭代

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

在策略评估过程中,往往需要等到值函数收敛之后才能进行策略改进,这其实是没有必要的。可以在进行一次策略评估之后就开始策略改进,如此循环往复执行这两个过程,最终会收敛到最优值函数和最优策略,如图3-3所示,这便是广义策略迭代的思想,很多强化学习方法都用到了这种思想。

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