2021年4月29日

强化学习note2——value iteration和policy iteration的区别，MC和TD的区别

摘要： value iteration和policy iteration的区别 value iteration: ①多次迭代Bellman最优等式和Bellman等式，等价值函数收敛后，②再用价值函数带入贝尔曼等式得到动作价值函数，策略就从最大的动作价值函数选取。（策略没有参与） policyiterati 阅读全文
posted @ 2021-04-29 11:14 A2he 阅读(527) 评论(0) 推荐(0) 编辑