最爱丁珰

摘要： 目录P63 P63 推导上面那一段话说的是如果有一对位级表示一模一样的数相加，无论是按照有符号整数相加还是按照无符号整数相加，最后得到的结果的位级表示都是一样的，只不过去解释这个一样的位级表示是按照不同的方式解释的 阅读全文

摘要： QAC与Sarsa的区别是什么？前者先更新策略再更新值，后者反之吗？ 核心区别：算法家族不同 Sarsa (属于 Value-Based 方法) 目标：直接、准确地学习动作价值函数 Q(s, a)。它试图回答“在状态s下采取动作a，平均能获得多少回报”这个问题。 策略：策略是从Q表中衍生出来的，例如 阅读全文