强化学习简介

强化学习简介

https://tf.wiki/zh/appendix/rl.html

1 Like

数字三角形(变式 1)中的策略评估和策略改进框架中的图里面,策略评估(第 0 轮)左边的红字里面计算向下和向右下的期望的算式是不是写反了。

不好意思,确实有一些很奇怪的笔误,以下是修正的图示:

感谢提醒!

策略评估(第0轮)右边坐标值为2,计算动作:arrow_lower_right:的期望值是不是有点问题,结果是1.25,但是过程不对?我觉得应该是:0.25 2+0.751=1.25

抱歉应该又是笔误,修正后图示如下