281
个编辑
更改
无编辑摘要
[[文件:Q值更新公式.png|缩略图]]
[[文件:Q值更新公式.png|缩略图]]
<math> Q_{t+1}(s_t, a_t) = Q_t(s_t, a_t) + \alpha_t \left[ r_t + \gamma \max_{a} Q_t(s_{t+1}, a) - Q_t(s_t, a_t) \right] </math>
其中：
其中：
===训练过程中的样本效率问题===
===训练过程中的样本效率问题===
===策略收敛速度慢与稳定性问题===
=== 策略收敛速度慢与稳定性问题===
===泛化能力与过拟合风险===
===泛化能力与过拟合风险===