← 返回卡片

原书出处

强化学习

05 时序差分 5.3 Sarsa:在线策略TD

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

Sarsa的名称来源如图5-4所示,序列描述:基于状态S,遵循当前策略,选择一个行为A,形成第一个状态行为对(S,A)。与环境交互,得到回报R,进入下一个状态S',再次遵循当前策略,产生一个行为A',产生第二个状态行为对(S',A')。利用后一个状态行为对(S',A')的行为值函数Q(S',A')值更新前一个状态行为对(S,A)的Q(S,A)值。

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/1-014.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae