增强学习笔记 第九章 On-Policy预测的近似
Posted 米老虎M
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了增强学习笔记 第九章 On-Policy预测的近似相关的知识，希望对你有一定的参考价值。
对于状态空间太大的问题，表格类方法无法存储这么大的价值表，也没有办法穷尽这么多的状态。考虑到很多状态是相似的，知道一个状态的价值也就大概知道类似状态的价值，因此可以采用函数近似的方法，函数近似是监督学习的一个应用。
这一章我们主要做价值函数的近似。我们定义一个N维参数$\boldsymbol \theta$, N比状态数量小很多，$\theta$可以是线性规划的权重，也可以是神经网络的权重，还可以是决策树的分叉点。得到$v_{\pi}(s)\approx \hat v(s,\boldsymbol \theta)$
以上是关于增强学习笔记 第九章 On-Policy预测的近似的主要内容，如果未能解决你的问题，请参考以下文章