自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(1)
  • 收藏
  • 关注

原创 深度强化学习心得:马尔可夫决策过程、动态规划

具体来说,对于某个状态s和动作a,动作价值函数Q(s, a)可以表示为在状态s下采取动作a后,获得的即时回报加上从下一个状态s'开始根据当前策略得到的长期回报的期望值,即Q(s, a) = R(s, a) + Σp(s'|s, a)V(s'),其中R(s, a)表示在状态s下采取动作a后获得的即时回报,p(s'|s, a)表示在状态s下采取动作a后转移到状态s'的概率,V(s')表示从状态s'开始根据当前策略得到的长期回报的期望值。演员-评论员智能体结合了基于价值的智能体和基于策略的智能体的优势。

2023-11-15 17:08:38 513 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除