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
benda
博客园
首页
新随笔
联系
管理
订阅
2019年11月7日
强化学习 4. 动态规划
摘要: 本章假设环境是一个有限的MDP,且概率分布由$p(s',r|s,a)$给出 $$ \begin{aligned} v_ (S)&=\mathop{\max}_ {\pi} v_\pi(s)=\mathop{\max}_ {a} E_{\pi_ }[G_t|S_t=s,A_t=a]\\ &=\math
阅读全文
posted @ 2019-11-07 15:39 benda
阅读(375)
评论(0)
推荐(0)
编辑
公告