2024年5月18日
【Python】强化学习SARSA走迷宫
摘要： 之前有实现Q-Learning走迷宫，本篇实现SARSA走迷宫。 Q-Learning是一种off-policy算法，当前步采取的决策action不直接作用于环境生成下一次state，而是选择最优的奖励来更新Q表。 更新公式： SARSA是一种on-policy算法，当前步采取的策略action既直 阅读全文
posted @ 2024-05-18 20:36 Dsp Tian 阅读(46) 评论(0) 推荐(0) 编辑