Value Based method 基于价值的方法

最后修改于 2023-07-18

阅读量:

强化学习中的一种行动策略，让 Agent 学习哪种状态更有价值从而选择能够产生该状态的行动。

WHY

价值函数（Value Function）定义了一个状态和达到该状态的期望值的映射。

Value-Based Method 基于价值的方法_figure_1.png

如果 Agent 在一个状态开始并且根据价值函数行动，该状态的价值则是折扣后的期望返回值。根据价值函数行动指向最高价值的状态行动。

Value-Based Method 基于价值的方法_figure_2.png

#待整理笔记

Rl policy 行动策略

有两种行动策略（The Policy $\pi$）来解决 RL 问题，基于策略（policy-based）和基于价值（value-based）。

强化学习中 [[Value-Based Method 基于价值的方法 Value-Based Method]] 所使用的价值函数（Value Function）

#发芽

到头儿啦~