文档摘要

2.3 策略与价值函数 本节摘要：策略 π(a|s) 确定性或随机。V^π(s) 状态价值；Q^π(s,a) 动作价值。最优 V, Q 满足 Bellman 最优方程。 本节地图 写 V^π 与 Q^π 的定义 区分确定性策略与随机策略 写出 Bellman 期望方程（概念） 策略 确定性：a = π(s) 随机性：π(a|s) = P(At=a | St=s) 随机策略用于探索与纳什均衡；策略梯度直接优化 πθ(a|s)。 会员。《2.3 策略与价值函数》收录于灏天文库文集《强化学习入门：探索智能体的决策之路》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/481-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E6%8E%A2%E7%B4%A2%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E5%86%B3%E7%AD%96%E4%B9%8B%E8%B7%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流