网站介绍：1、策略迭代、价值迭代、泛化迭代的前提条件：智能体知道环境的状态转移概率，即是基于模型的问题 2、蒙特卡洛方法采样：随机采样估计期望值，通过样本序列逼近真实的期望值。 成立原因：大数定理。 3、探索和利用，探索指的是不拘于当前的表现，选择不同于当前策略的行动；利用是持续使用当前的最优策略，尽可能的获
- 链接地址：http://www.cnblogs.com/lin-kid/p/11520194.html
- 链接标题：强化学习第七章 - LIN_KID - 博客园
- 所属网站：www.cnblogs.com
- 被收藏次数：171
- 网站标签：
