文档摘要

5.2 基于函数逼近的时序差分控制方法 本节介绍如何将函数逼近（Function Approximation）技术应用于时序差分（Temporal Difference, TD）控制算法，特别是 Q-learning 和 SARSA。在大规模或连续状态空间中，传统的表格型方法（Tabular Methods）因内存和计算开销过大而不可行。函数逼近通过参数化价值函数，显著提升了强化学习算法的可扩展性。 5.2. 会员。《5.2》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》，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。文档编号21863。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---