AI學習筆記——基於策略的強化學習

1. 基於價值的強化學習回顧 前幾篇文章都是在講經過訓練值函數的近似函數，而後經過好比Ɛ-greedy探索方法得到最佳策略，這種方法叫作基於價值的強化學習。然而基於價值的強化學習有沒法收斂，沒法得到隨機策略，以及可能遇到狀態重名的問題。算法 沒法收斂的問題在上篇文章的「3.收斂性」中提到了，就不贅述。關於隨機策略，能夠舉一個「石頭剪子布」這樣簡單的例子。最好的策略就是隨機出招，然而基於價值的強化學

>>阅读原文<<