强化学习-Chapter3-贝尔曼最优方程

最优策略

状态价值可以用来描述当前策略的好坏,如果对于所有s,均有v_{\pi_1}(s)\geq v_{\pi_2}(s),那么说明π1策略比π2好

最优策略π*表示,对于所有s和其他所有π都满足v_{\pi^*}(s)\geq v_{\pi}(s)

贝尔曼最优公式

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值