原书出处
强化学习
04 蒙特卡罗 2.增量式更新
通常,蒙特卡罗法在求平均值的时候是采用批处理式进行的,即在一个完整的采样轨迹完成后,对全部的累积回报进行更新。实际上,这个更新过程可以增量式进行,使得在计算平均值时不需要存储所有既往累积回报,而是每得到一个累积回报之后就计算其平均值。
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/1-013.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae