强化学习(三) - 基于模型学习(DP)

本文深入探讨了马尔科夫决策过程(MDP)的概念及其在动态规划中的应用。通过介绍最优状态值函数v*(s)的计算方法,揭示了策略迭代如何通过不断评估和改进策略来寻找最优解。策略迭代虽然耗时,但确保了策略的逐步优化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

上一节主要是引入了MDP(Markov decision process)的各种相关的定义与概念。最后得到了 最优状态值函数 v ∗ ( s ) v ∗ ( s ) v ∗ ( s ) v∗(s)v∗(s) v_∗(s) v(s)v(s)v(s)v(s)的值,…不断迭代直到策略收敛。策略迭代在每次改进策略后都要对策略进行重新评估,因此比较耗时。



参考:
动态规划求解MDP
周志华《Machine Learning》学习笔记(17)–强化学习



        </div>
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