用户739784702556

赞

2

|

搜索文章

赞了这篇文章

研究生

·

5年前

强化学习 6 —— 价值函数逼近

上篇文章强化学习——时序差分 (TD) 控制算法 Sarsa 和 Q-Learning我们主要介绍了 Sarsa 和 Q-Learning 两种时序差分控制算法，在这两种算...

2

评论

赞了这篇文章

研究生

·

5年前

强化学习 3 —— 蒙特卡洛法（MC）解决无模型问题的预测与控制

可以发现，对于这两个算法，有一个前提条件是奖励 R 和状态转移矩阵 P 我们是知道的，因此我们可以使用策略迭代和价值迭代算法。对于这种情况我们叫做 Model base。同...

1

评论

关注了

关注了

加入于

2023-10-30