原书出处
强化学习
12 探索与利用 12.4 乐观初始值估计
乐观初始值估计法,其主要思想是在初始时给所有行为a一个较高的价值Q(a),随后使用递增蒙特卡罗来更新该行为的价值:
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/1-021.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae