原书出处
强化学习
06 资格迹 6.3 前向算法
从前向视角看TD(λ)算法,其主要特点就是这种平均化操作的运用。唯一特别的是,TD(λ)直接平均了所有的n步回报,每个回报的权重是(1-λ)λn-1。通过引入这个新的参数λ,综合考虑所有步数的回报,并且保证了最终所有权重之和为1。
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