← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 2700.e.1.a.3.a · 生成模型:未记录

状态价值与动作价值

理解等级:中级

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?

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