基于模型的強化學習，可以用動態規劃求解

動態規劃要求知道馬爾科夫五元組：狀態集、動作集、狀態轉移矩陣、獎勵、折扣因子? ? －－－使用貝爾曼方程

1、前言

什么是動態規劃？

2、策略評價

3、策略提升

4、策略迭代(策略評價＋策略提升＋...)

5、值迭代

?

?

?

參考連接：

https://blog.csdn.net/hiwallace/article/details/81220130

總結

以上是生活随笔為你收集整理的重温强化学习之基于模型方法：动态规划的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。