zcry

摘要： 强化学习 此笔记作为参考资料的补充，用于记录我在学习过程中不理解的地方。 请优先看西瓜书，里面讲解的更清晰。强烈推荐学习视频：深度强化学习背后的数学原理 强化学习的目标是：通过试错法找到一个最优策略 π，使智能体能够在不同状态下选择动作，从而最大化累积的折扣奖励。 马尔科夫决策 马尔可夫决策过程（M 阅读全文

摘要： 强化学习 此笔记作为参考资料的补充，用于记录我在学习过程中不理解的地方。请优先看西瓜书，里面讲解的更清晰。 强化学习的目标是：通过试错法找到一个最优策略 π，使智能体能够在不同状态下选择动作，从而最大化累积的折扣奖励。 马尔科夫决策 马尔可夫决策过程（Markov Decision Process, 阅读全文