RL-赵-(九)-Policy函数拟合算法-Policy Gradient算法02-4:目标函数/metrics的选取04【练习】
4、练习(目标函数的另一种形式)
回答: 首先,分析和理解这样一个metric。
它从 S0∼dS_0\sim dS0∼d 开始,然后 A0,R1,S1,A1,R2,S2,......A_0,R_1,S_1,A_1,R_2,S_2,......A0,R1,S1,A1,R2,S2,......At∼π…
2026/9/27 4:23:25