增量式離策略每次拜訪蒙特卡洛評價算法

增量式離策略每次拜訪蒙特卡洛評價算法

 

 

 

網絡課程上看到的內容：

 

 

 

無限探索下的極限貪婪 (Greedy in the Limit with Infinite Exploration (GLIE))

 

 

算法1是同策略，   算法2 是異策略

 

 

 

 

 

 

 

====================================================================== 

 

 

 

 

 

 

 

 

 

主要感受到神奇的就是這個算法2 ，   增量式離策略每次拜訪蒙特卡洛評價方法

 

 

 

最看不太懂的，也是核心的步驟以下：

 

 

非常懷疑這個算法的正確性，因爲沒有找到原始出處就先如此了。

 

 

 

 

 

=========================