什么是SARSA SARSA算法的全稱是State Action Reward State Action，屬于時序差分學(xué)習(xí)算法的一種，其綜合了動...
投稿
收錄了2篇文章 · 1人關(guān)注
-
SARSA時序差分學(xué)習(xí)方法 -
貝爾曼方程與兩類值函數(shù)
貝爾曼方程與兩類值函數(shù) 為了評估一個策略的期望回報，我們定義兩個值函數(shù)：狀態(tài)值函數(shù)和狀態(tài)-動作值函數(shù)。 狀態(tài)值函數(shù) 折扣率的引入 有終止?fàn)顟B(tài)的情...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/1725128/alphago-logo.png', '推薦專題《強化學(xué)習(xí)》（ 分享自 @簡書 ）','http://www.itdecent.cn/c/4498376757f8?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','頁面編碼gb2312|utf-8默認gb2312'));){kind=link}