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
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。
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