文档摘要

1.2 回报与折扣因子：奖励的时间价值 本节摘要：回报 Gt 是从时刻 t 起未来所有奖励的加权和，折扣因子 γ 决定远期奖励在今天的"汇率"。公式是 Gt = R{t+1} + γR{t+2} + γ²R{t+3} + ……本节用具体数字算清三件事：γ 如何压缩远期权重；γ 的取值如何把智能体从"近视"调成"远视"；以及为什么 γ 小于 1 能让无限任务的数学不出血。这是全书第一个需要动手算的公式，请准备纸笔。 会员。《1.2 回报与折扣因子：奖励的时间价值》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。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/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