文档摘要

第 3 章 · 从动态规划到 Q-Learning：价值学习全流程 章节摘要：第 2 章把决策问题写成方程，本章开始解方程——并且一路解到强化学习的标志性算法 Q-Learning。路线分四站：模型已知时用动态规划在表上滚出精确解（策略迭代与价值迭代）；模型未知就采样整条轨迹做统计（蒙特卡洛）；时序差分把两者杂交，走一步就更新；最后登上 SARSA 与 Q-Learning——直接学"每个动作值多少分"的 Q 表。 会员。《第 3 章 · 从动态规划到 Q-Learning：价值学习全流程》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