← 返回卡片

原书出处

强化学习

06 资格迹 6.2 多步TD评估

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

可见,当n步中的n大于等于轨迹的长度时,多步时序差分方法就变成了蒙特卡罗方法。所以,蒙特卡罗实际上是多步时序差分方法的一个特例。图6-1很清楚地表明了1步、2步、n步以及蒙特卡罗方法在预测估计值函数时存在不同,图中空白圆形符号代表状态,黑色圆形符号代表动作,方块代表终止状态。

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/1-015.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae