← 返回卡片

原书出处

强化学习

12 探索与利用 12.4 乐观初始值估计

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

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:

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/1-021.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae