281
个编辑
更改
跳到导航
跳到搜索
第171行：
第171行： + + + + + + + + + + + + + + + + + + + + + + + 第181行：
第204行： − +
无编辑摘要
===Q 值函数的定义与更新公式 ===
===Q 值函数的定义与更新公式 ===
====定义====
Q 值函数 Q(s, a) 表示智能体在状态 s 下采取动作 a 后，遵循某一策略所能获得的期望累积奖励。
====更新公式====
Q-Learning 算法使用以下更新公式来迭代 Q 值：
[[文件:Q值更新公式.png|缩略图]]
其中：
𝑠𝑡：当前状态
𝑎𝑡：当前动作
𝑟𝑡：执行动作后获得的奖励
𝑠𝑡+1：执行动作后的新状态
𝛼：学习率（0 < 𝛼 ≤ 1）
𝛾：折扣因子（0 ≤ 𝛾 < 1）
===ε-greedy 策略与探索-利用权衡===
===ε-greedy 策略与探索-利用权衡===
===Q-Learning 的收敛性===
===Q-Learning 的收敛性===
==DQN 的核心思想与结构==
==DQN 的核心思想与结构==
===使用神经网络逼近 Q 值函数===
=== 使用神经网络逼近 Q 值函数===
===经验回放（Experience Replay）机制===
===经验回放（Experience Replay）机制===