摘要：追逐问题，待更新 阅读全文

摘要：设一局游戏有$n$步，一局中的奖励记作$R_1,\cdots,R_n$。那么$t$时刻的： 折扣回报：\(U_t=\sum_{k=t}^n \gamma^{k-t} \cdot R_k\) 动作价值函数：\(Q_\pi\left( s_t, a_t \right) = \mathbb {E}\lef 阅读全文

摘要：概率统计基本概念 估计量 **无偏估计：**估计量的数学期望等于被估计参数的真实值，即在多次重复下，它们的平均数接近所估计的参数真值，则称此估计量为被估计参数的无偏估计，即具有无偏性。 强化学习基本概念 有模型和无模型 模型指的是显式地对MDP相关转移概率分布和回报函数建模。 蒙特卡洛方法和时间差分 阅读全文