会员
周边
众包
新闻
博问
闪存
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
Dsp Tian
博客园
首页
新随笔
联系
订阅
管理
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
公告