原书出处
强化学习
11 学习与规划 11.4 Dyna-2
综上所述,Dyna-2涉及了两个值函数,因此需要维护两套特征权重。一套反映智能体的永久记忆(Permanent Memory),用θ表示。永久记忆一般是普适性的,要求比较准确,该记忆利用实际经验来更新,对应的值函数也叫永久值函数。另一套反应智能体的瞬时记忆(Transient Memory),用表示。瞬时记忆用于即时决策,用拟合经验来更新,对应的值函数也叫瞬时值函数。无论是永久值函数还是瞬时值函数,两者都使用Sarsa(λ)求解。
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