David silver強化學習課程第六課 值函數近似

第六課 值函數近似 一開始看這節課內容的時候，還是有些亂的。不像前五章每一章的聯繫都很緊密，本章內容較分散，概念性的東西變少了，更多的引入了幾種不同的算法，可以直接從算法上理解本課的內容—值函數近似。 對於預測問題，我們可以參數化的表示狀態值函數；對於預測問題，可以參數化的表示狀態-動作值函數。本章講了值函數近似的兩種方法：增量方法和批方法，這兩種方法主要在數據的使用上有所不同，但是都是基於隨機梯

>>阅读原文<<