← 返回卡片

原书出处

强化学习

11 学习与规划 11.3.3 优先级扫描的Dyna-Q

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.896Z

很自然的一个想法是以“值函数改变量”作为指标,对访问过的状态行为对进行优先级排序。构造一个优先级队列(Priority Queue),存储每次满足条件的状态行为对,如下为算法流程。

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