登录/ 注册
 找回密码
 立即注册
关闭

CSDN热搜

程序园 精品问答 技术交流 资源下载
返回列表 发新帖
首页 › 业界区 › 安全 ›强化学习--基于价值的强化学习(02)

强化学习--基于价值的强化学习(02)

釉她 2025-6-1 20:42:08
Action-Value Functions 动作价值函数

折扣回报（Discounted Return）

折扣回报 Ut 是从时间步 t 开始的累积奖励，公式为：
1.png


<ul>Rt 是在时间步 t 获得的奖励。

γ 是折扣因子（0
强化学习基于价值

使用道具 举报

相关推荐
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册
发帖
釉她
2025-6-1 20:42:08

0

粉丝关注

14

主题发布

板块介绍填写区域，请于后台编辑
微信扫一扫