会员
周边
众包
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
SilentSamsara
博客园
首页
新随笔
联系
管理
订阅
2021年9月26日
学习日志-2021.09.25
摘要: 学习日志-2021.09.25 今日进展(笔记) Q-learning(基于值的算法) 使用了时间差分法(融合了蒙特卡洛和动态规划)能够进行off-policy的学习 算法描述: 初始化 Q = {} while Q 未收敛: 初始化状态S,开始新一轮的游戏 while S!=结束: 使用策略$π$
阅读全文
posted @ 2021-09-26 02:24 SilentSamsara
阅读(50)
评论(2)
推荐(0)
编辑