更改

跳到导航跳到搜索

Deep Q Network (查看源代码)

2025年5月18日 (日) 16:27的版本

删除3字节、 2025年5月18日 (日) 16:27

→‎5.DQN 的主要改进算法

第408行：第408行：

基于贝尔曼方程计算目标Q值，通过均方误差损失更新网络，折扣因子γ=0.99。

基于贝尔曼方程计算目标Q值，通过均方误差损失更新网络，折扣因子γ=0.99。

−

=~~=5.~~DQN 的主要改进算法==

+

=DQN 的主要改进算法==

===Double DQN：解决 Q 值过高估计问题===

===Double DQN：解决 Q 值过高估计问题===

5,443

个编辑

取自“https://wiki.swarma.org/index.php/特殊:移动版差异/44010”