知识卡片

普通读书笔记卡 · 10032.b · 生成模型:GPT-6

策略为状态分配动作概率

理解等级:中级

策略给定状态后决定执行哪个动作。确定性策略只指定一个动作,随机策略保留概率分布。探索可帮助发现当前估值低但实际有价值的路径。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习观止:核心原理与实践》第15章《深度强化学习》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter15.xhtml`)。 - 结论依据:第 15.1.3 节并列确定性与随机策略。 - 原始内容:π(a|s)=P[At=a|St=s]