- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
在 Sutton&Barto 的 RL 书 (link) 中,Watkins 的 Q(λ) 学习算法如图 7.14 所示:
第 10 行“对于所有的 s,a:”,这里的“s,a”是针对所有的 (s,a),而第 8 行和第 9 行的 (s,a) 是针对当前的 (s,a) , 这是正确的吗?
在第12行和第13行,当a'!=a*时,执行第13行,所以所有的e(s,a)都会被设置为0,那么当所有的资格迹都设置为0时,资格迹有什么意义,因为情况 a'!=a* 会经常发生。即使情况 a'!=a* 不经常发生,但一旦发生,资格轨迹的意义将完全丧失,那么 Q 将不会再次更新,因为所有的 e(s,a)= 0,那么在每次更新中,如果使用替换轨迹,e(s,a) 仍然为 0。
那么,这是一个错误吗?
最佳答案
资格痕迹的想法是仅对符合条件的状态- Action 对给予信任或指责。 Sutton & Barto 的书很好地说明了这个想法:
Backward view of eligibility traces
在 Watkin 的 Q(λ) 算法中,如果您以一种确定性的方式(始终选择最佳行动)遵循您的策略 Q,您希望将功劳归咎于您实际访问过的状态- Action 对。
所以你的问题的答案在第 5 行:Choose a' from s' using policy derived from Q (e.g. epsilon-greedy)
因为 a' 被选择为 epsilon greedy,所以您有很小的机会(概率为 epsilon)采取探索性随机步骤而不是贪婪步骤。在这种情况下,整个资格跟踪设置为零,因为将功劳归咎于之前访问过的状态- Action 对是没有意义的。您在随机探索步骤之前访问的状态- Action 对不应该为 future 的奖励提供信用/责备,因此您删除了整个资格跟踪。在之后的时间步长中,您开始建立新的资格跟踪...
希望有所帮助。
关于reinforcement-learning - 如何理解 Sutton&Barto 的 RL 书中 Watkins 的 Q(λ) 学习算法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40862578/
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 9 年前。 Improve
介绍篇 什么是MiniApis? MiniApis的特点和优势 MiniApis的应用场景 环境搭建 系统要求 安装MiniApis 配置开发环境 基础概念 MiniApis架构概述
我正在从“JavaScript 圣经”一书中学习 javascript,但我遇到了一些困难。我试图理解这段代码: function checkIt(evt) { evt = (evt) ? e
package com.fastone.www.javademo.stringintern; /** * * String.intern()是一个Native方法, * 它的作用是:如果字
您会推荐哪些资源来学习 AppleScript。我使用具有 Objective-C 背景的传统 C/C++。 我也在寻找有关如何更好地开发和从脚本编辑器获取更快文档的技巧。示例提示是“查找要编写脚本的
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 4年前关闭。 Improve thi
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 7年前关闭。 Improve thi
关闭。这个问题不符合 Stack Overflow guidelines 。它目前不接受答案。 想改善这个问题吗?更新问题,以便堆栈溢出为 on-topic。 6年前关闭。 Improve this
我是塞内加尔的阿里。我今年60岁(也许这是我真正的问题-笑脸!!!)。 我正在学习Flutter和Dart。今天,我想使用给定数据模型的列表(它的名称是Mortalite,请参见下面的代码)。 我尝试
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题? Update the question所以它是on-topic对于堆栈溢出。 9年前关闭。 Improve this que
学习 Cappuccino 的最佳来源是什么?我从事“传统”网络开发,但我对这个新框架非常感兴趣。请注意,我对 Objective-C 毫无了解。 最佳答案 如上所述,该网站是一个好地方,但还有一些其
我正在学习如何使用 hashMap,有人可以检查我编写的这段代码并告诉我它是否正确吗?这个想法是有一个在公司工作的员工列表,我想从 hashMap 添加和删除员工。 public class Staf
我正在尝试将 jQuery 与 CoffeScript 一起使用。我按照博客中的说明操作,指示使用 $ -> 或 jQuery -> 而不是 .ready() 。我玩了一下代码,但我似乎无法理解我出错
还在学习,还有很多问题,所以这里有一些。我正在进行 javascript -> PHP 转换,并希望确保这些做法是正确的。是$dailyparams->$calories = $calories;一条
我目前正在学习 SQL,以便从我们的 Magento 数据库制作一个简单的 RFM 报告,我目前可以通过导出两个查询并将它们粘贴到 Excel 模板中来完成此操作,我想摆脱 Excel 模板。 我认为
我知道我很可能会因为这个问题而受到抨击,但没有人问,我求助于你。这是否是一个正确的 javascript > php 转换 - 在我开始不良做法之前,我想知道这是否是解决此问题的正确方法。 JavaS
除了 Ruby-Doc 之外,哪些来源最适合获取一些示例和教程,尤其是关于 Ruby 中的 Tk/Tile?我发现自己更正常了 http://www.tutorialspoint.com/ruby/r
我只在第一次收到警告。这正常吗? >>> cv=LassoCV(cv=10).fit(x,y) C:\Python27\lib\site-packages\scikit_learn-0.14.1-py
按照目前的情况,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the
As it currently stands, this question is not a good fit for our Q&A format. We expect answers to be
我是一名优秀的程序员,十分优秀!