2025年12月4日
Q-Learning，DQN
摘要： 1 概念 state 状态 action 行动 reward function 奖励 policy 策略 discount rate 衡量当前奖励与未来奖励 2、 Q 与 V 动作的价值 Q：代表智能体选择这个动作A后，一直到最终状态奖励总和的期望。告诉你在这个状态下执行某个具体动作有多好。Q，告诉 阅读全文
posted @ 2025-12-04 19:01 ylxn 阅读(15) 评论(0) 推荐(0)