sarsa和q-learning区别

本文深入探讨了SARSA与Q-Learning两种强化学习算法的区别,重点讲解了它们在更新Q值时的不同策略,SARSA遵循当前策略进行更新,而Q-Learning则选择最大Q值的动作,体现了on-policy与off-policy的本质差异。

sarsa是on policy

å±å¹å¿«ç§ 2016-01-06 ä¸å9.52.57.png-61kB

q-learning是off policy 

区别在于更新Q值的时候,直接使用了最大的Q(st+1,a),相当于采用了Q(st+1,a)值最大的动作,即与t时刻a动作所采用的policy无关

å±å¹å¿«ç§ 2016-01-09 ä¸å12.35.01.png-140.7kB

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