原书出处
强化学习
06 资格迹 6.6.2 后向Sarsa(λ)方法
后向Sarsa(λ)算法通过引入资格迹,将当前行为值函数误差按比例抛给其他状态行为值函数,作为其更新的依据。不同的是,资格迹不再是Et(s),而是Et(s,a),即针对每一个状态行为对都有一个资格迹,公式如下:
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