动态规划求解MDP(基于贝尔曼方程)

动态规划求解MDP(基于贝尔曼方程)

一、策略迭代法

1. 策略评估

基于贝尔曼方程的动态规划迭代:
在这里插入图片描述

基本思想:在当前策略Pi下,初始化值函数V0,用当前策略和前Vk来更新Vk+1,直至Vk+1收敛

2. 策略改进

a−new=arg⁡max⁡aQπ(s,a) a_{-} n e w=\arg \max _{a} Q_{\pi}(s, a) a

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