2026年1月2日
RL MC ε-greedy (5.3)
摘要： 如书中所说算法很快收敛，但是实验发现结果不稳定。有待进一步探究。 ε-贪婪蒙特卡洛控制：5×5 网格世界实战 场景设定与实验目标 环境：\(5\times 5\) 网格，左上角为 \((1,1)\)。 动作集合：上、下、左、右、不动，共 5 个确定性动作。 奖励： 出格：\(-1\) 禁区（橙色格子 阅读全文
posted @ 2026-01-02 08:39 wlu 阅读(10) 评论(0) 推荐(0)