知识卡片
策略奖励与价值
强化学习中的策略规定智能体在给定状态下如何选行动,可以是确定映射,也可以是行动概率分布。奖励是一步交互得到的标量反馈;价值函数估计遵循某策略从状态或状态动作出发的未来累计奖励,二者的时间尺度不同。
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
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
策略π(·):是学习智能体在特定时间的行为方式,是状态到行为的映射
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:原文分别定义策略、奖励和价值函数。
- 原始内容:策略π(·):是学习智能体在特定时间的行为方式,是状态到行为的映射