文档摘要

1.3 回合与连续任务：终止、持续与探索利用困境 本节摘要：任务的时间结构分两种：有明确终点的回合式任务（一局棋、一次迷宫），与没有终点的连续式任务（恒温控制、量化交易）。两者在数学处理上的差别集中在终止状态与回报求和的截断方式上；而无论哪种任务，智能体都逃不开同一对矛盾——是利用已知的好动作，还是探索未知可能更优的动作。本节把这两种时间结构讲透，并把探索利用困境正式立为全书线索。 会员。《1.3 回合与连续任务：终止、持续与探索利用困境》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，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。

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/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

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