原书出处
强化学习
11 学习与规划 11.3.2 Dyna-Q+
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。
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