知识卡片
归一化重要性权重
普通重要性采样用加权回报之和除以样本数。加权做法除以权重之和,避免一条大权重轨迹把数值拉出已有回报范围,通常方差较低。由于分母也来自样本,有限样本下可能有偏。在线累积时先令 C←C+W,再让 Q 按步长 W/C 向 G 靠近。对确定性贪心目标,反向更新当前动作的 Q 后,一旦发现该动作不符合目标,从更早时刻看它的权重为零,可停止回溯。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第4章 蒙特卡罗
原书出处 · 1 处
- 蒙特卡罗 4.5.2 加权重要性采样离线策略蒙特卡罗 · 查看原书依据
与普通重要采样相比,分母由m变为重要采样比率之和。
参考来源
- 位置:《强化学习》第04章《蒙特卡罗》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-013.xhtml#isbn9787302538295_4_1_5_2`)
- 结论依据:原文给出归一化分母、增量公式和反向回溯伪代码。
- 原始内容:与普通重要采样相比,分母由m变为重要采样比率之和。