原书出处
强化学习
08 随机策略梯度 8.1.1 策略梯度优缺点
图8-1上方的5个格子组成5个状态,如果用格子东南西北四个方向是否有墙壁阻挡这个特征来描述格子状态的话,也就是用这个特征作为格子世界状态空间的特征时,就会发生灰色格子状态无法区分的情况,也称为状态重名(Aliased)。如图8-2所示,在这种情况下,如果采用确定性的策略,当智能体处于无论哪个灰色格子时,都只能选取相同的行为。结果就是智能体会一直(贪心策略)或很长时间(ε-贪心策略)徘徊在最左侧的两个格子之间,无法拿到钱袋子获得回报。
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/1-017.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae