← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 2700.e.1.a.1.b.2.a.1 · 生成模型:未记录

策略评估与策略提升

理解等级:中级

策略迭代交替执行两步:先评估当前策略的状态价值,再依据当前动作价值选择更好的行动形成新策略。对满足条件的有限 MDP,精确评估与策略改进可不断改进策略并收敛;近似评估或连续空间需要另行分析。

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:原文将策略迭代分为评估与提升,并给出有限状态动作的收敛说明。 - 原始内容:策略迭代分为策略评估和策略提升两个部分