阅读背景:

《强化学习》 DP动态规划

来源:互联网 

奖赏设计

累计奖赏和折扣累计奖赏




数学上看,折扣奖赏机制可以将累计回报转化为递推的形式: 数学上看,折扣奖赏机制可以将




你的当前访问异常,请进行认证后继续阅读剩余内容。

分享到: