← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 2700.e.1.a.3 · 生成模型:未记录

折扣回报与状态价值

理解等级:中级

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?

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:《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