上一章介绍了 Q 学习的表格形式和神经网络形式（即 DQN）。 TD 算法是一大类算法的总称。上一章用的 Q 学习是一种 TD 算法， Q 学习的目的是学习最优动作价值函数 Q ⋆ Q_⋆ Q⋆
本章介绍 SARSA，它也是一种 TD 算法， SARSA 的目的是学习动作价值函数 Q π ( s , a ) Q_π(s,a) Qπ(s,a)。
5.1表格形式的SARSA
深度强化学习 第 5 章 SARSA 算法
Chen_Chance2023-10-21 8:26
本文是转载文章，点击查看原文
如有侵权，请联系 xyy@jishuzhan.net 删除
相关推荐
思陌Ai算法定制11 分钟前
图神经网络+多模态：视频动作分割的轻量高效新解法rocksun27 分钟前
如何构建自己的简单AI代理来排除Kubernetes故障weixin_4452381233 分钟前
Tensorflow2实现: LSTM-火灾温度预测seaeress1 小时前
opencv(C++)处理图像颜色一尘之中1 小时前
耳根圆通与禅定的交融与分野结冰架构2 小时前
【AI提示词】Emoji风格排版艺术与设计哲学zandy10112 小时前
飞书集成衡石ChatBot实战：如何10分钟搭建一个业务数据问答机器人？机器之心2 小时前
200B参数击败满血DeepSeek-R1，字节豆包推理模型Seed-Thinking-v1.5要来了James. 常德 student2 小时前
CV - 目标检测说私域2 小时前
开源AI大模型AI智能名片S2B2C商城小程序：科技浪潮下的商业新引擎