文档摘要

第3章 · 预测与控制 章节摘要：Prediction 估 V^π；Control 找最优 π。动态规划需已知模型；大状态空间用 MC/TD。探索-利用：ε-greedy、UCB。 学习目标 区分 prediction 与 control 说明策略迭代与价值迭代轮廓 解释 ε-greedy 探索 子章节 3.1 策略评估 3.2 策略优化 3. 会员。《第3章 · 预测与控制》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