如何理解强化学习中policy iteration的算法里面参数 j, Π？

见下图：

这两个上下标分别有何区别？

简单的说，就是一个是外循环，一个是内循环。

 

 

 

posted @ 2025-04-13 12:03  AlphaGeek  阅读(1)  评论(0)    收藏  举报
编辑推荐：
· 一则复杂 SQL 改写后有感
· golang中写个字符串遍历谁不会？且看我如何提升 50 倍
· C# 代码如何影响 CPU 缓存速度？
· 智能桌面机器人：使用 .NET 为树莓派开发 Wifi 配网功能
· C# 模式匹配全解：原理、用法与易错点
阅读排行：
· 《程序员的底层思维》读后感
· 曾经风光无限的 Oracle DBA 已经落伍了吗？
· 一则复杂 SQL 改写后有感
· C# 锁机制全景与高效实践：从 Monitor 到 .NET 9 全新 Lock
· 接口被刷百万QPS，怎么防？
点击右上角即可分享
微信分享提示