知识卡片
策略迭代交替评估和改进
已知转移与奖励时,用贝尔曼方程以即时奖和后继状态值更新当前值。策略迭代先评估目前的策略,再逐状态贪心改进。价值迭代则直接把取最大动作值写进 Bellman 更新。有限状态与收敛条件应在求解前明确。
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
评估在当前Policy下的各状态的值
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 15.3 节用四乘四网格展示相邻状态值和改进后的方向。
- 原始内容:评估在当前Policy下的各状态的值