← 返回卡片

原书出处

强化学习

11 学习与规划 11.3.2 Dyna-Q+

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.895Z

为了解决这个问题,我们开始讨论Dyna-Q+算法。Dyna-Q+的突出特点是:通过巧妙地将“某个状态转移过程的回报”与“某个状态行为对自上次访问到现在过了多久”相结合,使智能体倾向于探索那些长期未被访问的状态行为对,这样可以一定程度地解决上述问题。

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/1-020.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae