知识卡片
策略为状态分配动作概率
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 深度强化学习 · 查看原书依据
π(a|s)=P[At=a|St=s]
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]