強化學習第九章總結，總結到9.3

這一章採取函數近似的方法，前面有提到過，狀態太多的時候會考慮把策略（存疑求證，記憶裏這裏應該是策略，但這章提的是v函數）函數pi表示成狀態的函數，只要函數的參數比狀態數要少，就能起到節省空間的作用。   簡單寫作 v_pi(s, w) = v_pi(s)     這裏的v可以是一個關於特徵的線性方程，w是特徵的權重，更普遍地說，v可能是一個多層神經網絡而w是每一層的權重。通過調整權重。我們可以近似

>>阅读原文<<