对与一个较长的episode，如果出现了在同种状态下采取相同动作得到不同回报，有两种处理方式。
第一种名称为Every-visit MC是计算这几个的平均值，第二种是First-visit MC只保留第一次的结果
强化学习&蒙特卡洛4 | Every-visit 和 First-visit MC
猜你喜欢
转载自blog.csdn.net/weixin_43236007/article/details/114437190
今日推荐
周排行