困扰我一段时间的强化学习中的预测和评估的概念，在这里先明确一下
预测
预测 = 策略评估 = 求解给定状态的价值函数
即给定强化学习的6个要素：状态集S, 动作集A, 模型状态转化概率矩阵P, 即时奖励R，衰减因子γ, 给定策略π， 求解该策略的状态价值函数v(π)
控制
控制 = 先评估，再调整我们的动作策略
也就是求解最优的价值函数和策略。给定强化学习的5个要素：状态集S, 动作集A, 模型状态转化概率矩阵P, 即时奖励R，衰减因子γ, 求解最优的状态价值函数v∗和最优策略π∗
强化学习的两大基本问题
猜你喜欢
转载自blog.csdn.net/weixin_43450646/article/details/107271068
今日推荐
周排行