知识卡片
折扣回报与状态价值
折扣回报是从当前时间起未来奖励按 γ 的幂加权之和,γ 通常在 0 到 1 之间;较远奖励的权重随时间下降。状态价值是从该状态出发的回报期望,因此单次轨迹回报可以偏离状态价值。
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
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
在马尔可夫奖励过程中,一个状态s回报的期望值
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:原文定义折扣回报及状态回报的期望。
- 原始内容:在马尔可夫奖励过程中,一个状态s回报的期望值