用蒙特卡罗方法来实现策略评估，即给定一个策略，找出价值函数。
重点是：
for _ in range(100):
# generate an episode using pi
states, rewards = play_game(grid, policy)
G = 0
T = len(states)
蒙特卡罗策略评估
用蒙特卡罗方法来实现策略评估，即给定一个策略，找出价值函数。
重点是：
for _ in range(100):
# generate an episode using pi
states, rewards = play_game(grid, policy)
G = 0
T = len(states)
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
