RL-赵-(八)-Value函数拟合算法01-StateValue估算:TD函数逼近算法02【目标函数】【平稳分布/Stationary distribution】
二、Algorithm for State Value estimation
1、Objective function 首先,用一种更正式的方式: 令vπ(s)v_\pi(s)vπ(s)和v^(s,w)\hat{v}(s,w)v^(s,w)分别表示true state value和approximate函数; 我们的目标是找到一个最优的 www,使得 v^(s,w)\hat{v}(s,w)v^(s,w) 对于每…
2026/9/27 22:41:09