其乐融融 发布于 2023/10/26 02:17:45

时态差分法（Temporal Difference, TD）是一类在强化学习中广泛应用的算法，用于学习价值函数或策略。Sarsa和Q-learning都是基于时态差分法的重要算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的强化学习问题。

阅读()评论(0)赞 ()标签：强化学习 / 时态差分法

其乐融融 发布于 2023/08/15 05:01:12

时态差分法（Temporal Difference, TD）是一类在强化学习中广泛应用的算法，用于学习价值函数或策略。Sarsa和Q-learning都是基于时态差分法的重要算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的强化学习问题。

阅读()评论(0)赞 ()标签：强化学习 / 时态差分法