Loading

2016年1月9日
增强学习（五）----- 时间差分学习(Q learning, Sarsa learning)
摘要： 接下来我们回顾一下动态规划算法(DP)和蒙特卡罗方法(MC)的特点，对于动态规划算法有如下特性： 需要环境模型，即状态转移概率$P_{sa}$ 状态值函数的估计是自举的(bootstrapping)，即当前状态值函数的更新依赖于已知的其他状态值函数。 相对的，蒙特卡罗方法的特点则有： 可以从经验中学 阅读全文
posted @ 2016-01-09 14:22 Kintoki 阅读(51510) 评论(4) 推荐(14) 编辑