知识卡片
贝尔曼方程递归价值
马尔可夫奖励过程的状态价值等于当前期望奖励加折扣后的下一状态价值期望:V(s)=r(s)+γ ΣP(s′|s)V(s′)。它把长期回报拆成一步奖励和后续价值,可用于求解或迭代估计;是否存在唯一有限解依赖折扣和过程条件。
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
式(8-10)即为贝尔曼方程。
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:原文将状态价值拆成当前奖励期望和后续状态价值,得到贝尔曼方程。
- 原始内容:式(8-10)即为贝尔曼方程。