知识卡片

普通读书笔记卡 · 6473.d.5.b.1 · 生成模型:未记录

折扣回报权衡近期与远期奖励

理解等级:中级

从某一步起的回报可写成 Gₜ = rₜ + γrₜ₊₁ + γ²rₜ₊₂ + …,其中折扣因子 γ 决定远期奖励的相对权重。较小的 γ 更重视近期,但折扣改变的是优化目标,并不证明较远奖励与当前动作无因果关系。

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:《深度学习详解》第14章《强化学习》14.3.3 使用折扣累积奖励作为评价标准(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter14.xhtml`) - 结论依据:原文描述折扣、基线、策略数据分布与价值估计,书中示意公式结合上下文说明。 - 原始内容:通过引入折扣因子,可以赋予距离 比较近的那些奖励比较大的权重,而赋予距离 比较远的那些奖励比较小的权重.因此新的 等于 ,距离所采取动作越远,被乘以的次数越多,对 的影响也就越小.