2.3 策略（Policy）与价值函数（Value Function）

文档摘要

2.3 策略（Policy）与价值函数（Value Function） 2.3 策略（Policy）与价值函数（Value Function）在强化学习中，智能体的目标是找到一个最优策略，使其在与环境交互的过程中获得最大的累积奖励。策略和价值函数是描述和评估智能体行为的关键概念，它们相互关联，共同指导智能体的学习过程。 2.3.1 策略（Policy）策略定义了智能体在特定状态下应该采取的行动。它本质上是一个从状态到行动的映射。策略可以是确定性的，也可以是随机的。确定性策略（Deterministic Policy）：对于给定的状态，确定性策略总是选择相同的行动。我们可以用函数 π(s) 来表示确定性策略，其中 s 是状态，π(s) 是智能体在状态 s 下将要采取的行动。