重要性采样

中年阿甘1 年前
重要性采样·离线mc强化学习
22. 离线MC强化学习算法（1）离线强化学习的特点是采样策略 π ′ ≠ 待评估策略 π \pi'\ne 待评估策略\pi π′=待评估策略π，这就带来一个问题：