知识卡片
最优价值选择动作
最优动作价值描述先采取某动作、此后遵循最优策略时的期望回报;最优状态价值等于该状态各可行动作的最优动作价值之最大值。由此可以构造贪心策略;不同策略可能同样最优。
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
最优状态价值函数值为选择使动作价值函数最大的动作时的状态价值
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:原文给出最优状态价值和最优动作价值之间的最大化关系。
- 原始内容:最优状态价值函数值为选择使动作价值函数最大的动作时的状态价值