知识卡片
状态价值与动作价值
在固定策略下,状态价值 Vπ(s) 是从 s 出发遵循策略的期望回报;动作价值 Qπ(s,a) 先执行 a,再遵循策略。状态价值可通过按策略的动作概率对动作价值求平均得到,因此价值判断必须说明所依据的策略。
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
状态s的价值等于动作价值函数对于动作a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:原文分别定义状态、动作价值及其在同一策略下的期望关系。
- 原始内容:状态s的价值等于动作价值函数对于动作a的期望值