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 story
Summary 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…
2026/9/26 18:43:28