几句话总结一个算法之Q-Learning与Sarsa
2020-12-13 01:35
阅读：491
Q(s,a) 有两种方法计算方法，第一种直接查表或者模型预估，Q(s, a) = checkTable(s, a)，这个在训练初期是非常不准确的；第二种方法是通过一步蒙特卡洛方法获取，假设执行a后状态是s‘，且s‘执行了动作了a‘，Q’(s, a) = 当前状态奖励 + 衰减系数 * Q(s‘,a‘)，近似于一个动态规划问题，当游戏结束，就只有当前状态奖励。但与动态规划不同的是，这个递归关系不会等到游戏结束之后才更新，而是走一步更新一次。
上一篇：python官方库安装包大全
评论
亲，登录后才可以留言！