必威英雄联盟问题标记[价值函数]
对于与价必威英雄联盟值(或性能，或质量，或效用)函数概念(如在强化学习和其他AI子字段中定义)相关的问题。这类函数的一个例子是Q函数(例如在Q-learning算法中使用)，也称为状态-动作值函数，给定$Q: S \乘以一个\rightarrow \mathbb{R}$，其中$S$和$A$分别是环境的状态和动作的集合。
36个必威英雄联盟问题
2
票
1回答
44岁的观点
我们能不能在epsilon很小的时候就停止训练?
我对强化学习很陌生。因为它在RL中很常见，所以使用$\epsilon$-贪婪搜索行为/探索。所以，在培训开始的时候，$\epsilon$是很高的，因此很多…
2
票
1回答
77的浏览量
萨顿和巴托的书中公式7.3有什么问题?
方程7.3萨顿Barto书:$ ${方程:}\文本max_s | \ mathbb {E} _ \π(G_ {t: t + n} | S_t = s]——v_ \π| \ le \伽马^ nmax_s | v_ {t + n - 1} (s) - v_ \π(s) | $ $ $ ${哪里}\文本G_ {t: t + n} = R_ {t + 1} + \伽马R_ {t + 2}…
1
投票
1回答
89的浏览量
2
票
0答案
31日视图
1
投票
1回答
37的观点
2
票
1回答
98的浏览量
为什么在强化学习(RL)的预期回报计算作为累计回报的总和?
为什么在强化学习(RL)的预期回报计算作为累计回报的总和?计算$\mathbb{E}(R \mid s, a)$(取…的期望回报)不是更有意义吗?
2
票
1回答
44岁的观点
1
投票
1回答
55岁的观点
动作值函数$q_\pi(s,a)$的Bellman方程与表示$q_\pi(s,a) = q_\pi(s,a,v_\pi(s’))$之间的联系
当我们求出$q_\ (s,a)$的Bellman方程时，我们得到$q_\ (s,a) = E_\pi[G_t | S_t = s, A_t = a] = E_\pi[R_{t+1} + \gamma G_{t+1} | S_t = s, A_t = a]$(1)这就是让我迷惑的地方，在这里…
2
票
1回答
42岁的观点
如何用$q_\ (s,a)$表示$v_\ (s)$ ?
这是萨顿和巴托书中的练习3。18。任务是使用必威电竞$q_\pi(s,a)$表示$v_\pi(s)$。看看上面的图表，$q_\ (s,a)的值是$s$每$a \在$a中我们取…
0
票
1回答
63点意见
3.
票
2答案
145的浏览量
当每一步后agent有一定的死亡概率时，状态值是多少?
我们假设无限视野和贴现因子$ \伽马= 1 $。在每一步中，该代理采取动作，并得到它的奖励后，有一个概率$ \阿尔法= 0.2 $，该代理会死亡。假定...
4
票
2答案
165点意见
3.
票
1回答
152的浏览量
我们如何表达$ Q_ \ PI（S，A）$为$ p的功能（S'，R | S，A）$ $和V_ \ PI（S）$？
任务(萨顿必威电竞和巴托的RL书中的练习3.13)是将$q_\pi(s,a)$表示为$p(s’，r|’，a)$和$v_\pi(s)$的函数。$q_\pi(s,a)$是动作-价值函数，表示有多好…
2
票
1回答
116的浏览量
策略迭代算法不满足方程
在萨顿和巴托的书的第79页的公式4.9中，我们有(用于策略迭代算法):$\pi ^{'}(s) = arg \max_{a}\sum_{s'，r}p(s'，r|s,a)[r+\gamma v_{\pi}(s')]$，其中$\pi$是之前的策略…
4
票
2答案
107的浏览量
为什么在Bellman优化方程中$G_{t+1}$被替换为$v_*(S_{t+1})$ ?
在萨顿和巴托书的3.17式中:$$q_*(s, a)=\mathbb{E}[R_{t+1} + \gamma v_*(S_{t+1}) \mid S_t = s, A_t = a]$$ $G_{t+1}$此处已被替换为$v_*(S_{t+1})$，但没有理由…
