2024年10月28日
强化学习的数学原理-04值迭代与策略迭代
摘要： 目录Value iteration algorithmPolicy iteration algorithmTruncated policy iteration algorithm Value iteration algorithm \[v_{k+1} = f(v_k) = \max_{\pi}\le 阅读全文
posted @ 2024-10-28 11:49 cxy8 阅读(26) 评论(0) 推荐(0) 编辑