文档摘要

3.3 时序差分学习：TD(0)、N 步 TD 与 TD(λ) 本节摘要：时序差分（TD）学习把更新时机提前到"每走一步"：用即时奖励加上下一步价值的估计来修正当前价值，V(s) ← V(s) + α[r + γV(s') − V(s)]。括号里的差叫 TD 误差，它同时是更新量、意外程度与学习信号。 会员。《3.3 时序差分学习：TD(0)、N 步 TD 与 TD(λ)》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