P114 增强学习 RL ---没懂，以后再补充

发布时间：2024年01月11日

在这里插入图片描述

sample: 如 70% 的概率向左 20%的概率向右 10% 的概率开火
不是left 分数最高，就直接向左。而是随机sample

在这里插入图片描述
total reward (return) R 就是优化的目标，分数越高约好

在这里插入图片描述

-total reward= loss

Policy Gradient

在这里插入图片描述
当环境是s 时

文章来源:https://blog.csdn.net/weixin_39107270/article/details/135484461
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！