强化学习笔记-12 Eligibility Traces

tostq

于 2023-06-14 17:17:35 发布

阅读量746

点赞数

CC 4.0 BY-SA版权

文章标签：笔记强化学习 TD算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/tostq/article/details/131209602

前篇讨论了TD算法将MC同Bootstrap相结合，拥有很好的特性。本节所介绍的Eligibility Traces，其思想是多个TD(n)所计算预估累积收益 $G_{t:t+n}$ 按权重进行加权平均，从而得到更好的累积收益预估值。

$G_t^{\lambda }=(1-\lambda )\sum_{n=1}^{\infty }\lambda^{n-1}G_{t:t+n}=(1-\lambda )\sum_{n=1}^{T-t-1 }\lambda^{n-1}G_{t:t+n} + \lambda^{T-t-1}G_{t:T}$

价值预估模型的参数更新式子可以调整为：

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。