知识卡片
状态价值是动作价值的加权
回报是未来奖励折扣后的总和。状态价值是按当前策略行动所得回报的期望。动作价值固定第一步动作后再按策略行动。以策略概率对动作价值加权,就得到状态价值。
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
它就等于所有状态-行为值和它们对应的动作概率分布的累加和
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:图 15-4 表示状态价值与各动作价值的汇合。
- 原始内容:它就等于所有状态-行为值和它们对应的动作概率分布的累加和