[RL Notes] 策略评估和控制
强化学习的过程中通常会涉及两类任务：策略评估（policy evaluation）和控制（control）。策略评估指的是计算特定策略的价值函数，也称为预测问题；控制指的是找到能够最大化收益的策略。虽然控制是强化学习的最终目标，但策略评估往往是第一步——要改善策略，首先要能够比较策略的好坏。 1. 策略评估 在策略评估中，要计算给定策略 $\pi$ 的状态价值函数 \b…
Read more
learn, build, evaluate
强化学习的过程中通常会涉及两类任务：策略评估（policy evaluation）和控制（control）。策略评估指的是计算特定策略的价值函数，也称为预测问题；控制指的是找到能够最大化收益的策略。虽然控制是强化学习的最终目标，但策略评估往往是第一步——要改善策略，首先要能够比较策略的好坏。 1. 策略评估 在策略评估中，要计算给定策略 $\pi$ 的状态价值函数 \b…
Read more