← 返回卡片

原书出处

强化学习

06 资格迹 6.7.2 后向Watkins's Q(λ)方法

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

对于所有状态行为对(s,a)的资格迹,更新分两部分:首先,如果当前选择行为at是贪婪行为,资格迹乘以系数γλ,否则资格迹变成0;其次,对于当前正在访问的(st,at),其资格迹单独加1。

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