Value-Based

Coop_Multi-Agent_DRL

于 2020-05-12 22:33:26 发布

阅读量281

点赞数

分类专栏： RL

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/weixin_42718542/article/details/106085641

版权

RL 专栏收录该内容

6 篇文章

订阅专栏

文章目录

值函数 $V^π(S_t)$ 定义
蒙特卡洛(监督学习方法)
TD(单步更新)(更常用)有时候游戏太长了,玩不到结尾
Q value

值函数 $V^π(S_t)$ 定义

在这里插入图片描述

蒙特卡洛(监督学习方法)

让 $V^π$ 无限接近 $G_a$ (也就是 $\sum_{t=1}^{n}r^t$ )
在这里插入图片描述

TD(单步更新)(更常用)有时候游戏太长了,玩不到结尾

(监督学习)regression问题 $l o s s$ = $V^π(S_t)-V^π(S_{t+1})-r_t$
在这里插入图片描述

Q value

在这里插入图片描述

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。