尧图网络科技YAOTU DIGITAL 获取报价
获取报价
首页 / 资讯中心 / 文章详情

RL-赵-(八)-Value函数拟合算法01-StateValue估算:TD函数逼近算法06【线性逼近器/TD-Linear算法总结与分析】

发布时间:2026/9/26 18:43:28

资讯中心
01
ARTICLE

RL-赵-(八)-Value函数拟合算法01-StateValue估算:TD函数逼近算法06【线性逼近器/TD-Linear算法总结与分析】

RL-赵-(八)-Value函数拟合算法01-StateValue估算:TD函数逼近算法06【线性逼近器/TD-Linear算法总结与分析】
三、Summary of the storySummary of the story首先从一个objective function出发J ( w ) = E [ ( v π ( S ) − v ^ ( S , w ) ) 2 ] \begin{aligned}J(w)=\mathbb{E}[(v_\pi(S)-\hat{v}(S,w))^2]\end{aligned}J(w)=E[(vπ​(S)−v^(S,w))2]​这个目标函数表明这是一个policy evaluation问题.然后对这个objective function进行优化,优化方法使用gradient-descent algorithm:w t + 1 = w t + α t ( v π ( s t ) − v ^ ( s t , w t ) ) ∇ w v ^ ( s t , w t ) w_{t+1}=w_t\:+\alpha_t(v_\pi(s_t)-\hat{v}(s_t,w_t))\nabla_w\hat{v}(s_t,w_t)wt+1​=wt​+αt​(vπ​(st​)−v^(st​,wt​))∇w​v^(st​,wt​)但是问题是里边有一个v π ( s t ) v_{\pi}\left(s_{t}\right)v
02
RELATED NEWS

相关资讯

更多网站建设与数字化升级内容

03
WHY YAOTU

想打造同款高转化官网?

懂行业、懂生意,从建站到增长一站式陪跑

◈

场景化定制

不做模板站,围绕你的业务场景量身设计,小众不撞款。

◐

营销型架构

以转化目标组织内容与路径,让官网真正带来询盘。

▲

全周期服务

设计、开发、运营、运维一体,上线只是开始。

免费获取你的建站方案

留下需求,专属顾问 24 小时内为你输出方案建议。