增强学习算法
于 2022-08-10 发布
文件大小:1.45 kB
0 81
下载积分: 2
下载次数: 1
代码说明：
马尔卡夫决策过程理论定义了一个数学模型，可用于随机动态系统的最优决策过程。强化学习利用这个数学模型将一个现实中的问题变成一个数学问题。强化学习的故事1：找到最优价值强化学习就是：追求最大回报G追求最大回报G就是：找到最优的策略π∗。策略π∗告诉在状态s，应该执行什么行动a。最优策略可以由最优价值方法v∗(s)或者q∗(s,a)决定
下载说明：请别用迅雷下载，失败请重下，重下不扣分！
发表评论
