原书出处
强化学习
06 资格迹 6.2 多步TD评估
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。
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