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-(九)-Policy函数拟合算法-Policy Gradient算法02-2:目标函数/metrics的选取02【average one-step reward】

发布时间:2026/9/27 4:34:38

资讯中心
01
ARTICLE

RL-赵-(九)-Policy函数拟合算法-Policy Gradient算法02-2:目标函数/metrics的选取02【average one-step reward】

RL-赵-(九)-Policy函数拟合算法-Policy Gradient算法02-2:目标函数/metrics的选取02【average one-step reward】
2、average one-step reward2种常见表达形式:rˉπ≐∑s∈Sdπ(s)rπ(s)≐lim⁡n→∞1nE[∑k=1nRt+k]\begin{aligned} \bar{r}_{\pi}\doteq\sum_{s\in\mathcal{S}}d_{\pi}\left(s\right)r_{\pi}\left(s\right) \\[4ex] \doteq\lim_{n\to\infty}\frac{1}{n}\mathbb{E}\left[\sum_{k=1}^{n}R_{t+k}\right] \\[4ex] \end{aligned}rˉπ​​≐s∈S∑​dπ​(s)rπ​(s)≐n→∞lim​n1​E[k=1∑n​Rt+k​]​第二大类是average one-step reward, 或者简称为 average reward.具体地′_{\prime}′​the metrics是rˉπ≐∑s∈Sdπ(s)rπ(s)=E[rπ(S)]\color{red}{ \bar{r}_{\pi}\doteq\sum_{s\in\mathcal{S}}d_{\pi}\left(s\right)r_{\pi}\left(s\right)=\mathbb{E}[r_{\pi}\left(S\right)]}rˉπ​≐
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。