如何在Q学习中计算MaxQ？
用户名
我正在实现Q学习，特别是Bellman方程。
我正在使用一个指导他解决问题的网站的版本，但我有一个问题：对于maxQ，我是否使用新状态（s'）的所有Q表值来计算最大奖励-在我的情况下4动作（a'），并且在执行该动作（a'）时，每个位置都有各自的值-或所有位置的Q表值的总和？
换句话说，我使用所有可能执行的动作中的最高Q值，还是所有“相邻”平方的总Q值？
尼古拉·祖比奇（Nikola Zubic）
您始终对所有可能采取的措施使用最大Q值。
想法是选择具有下一个状态的最大（最佳）Q值的动作，以保持在最佳策略Qpi *中。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
编辑于
相关文章
Related 相关文章
- 1
如何在机器学习中计算日志损失
- 2
如何在机器学习中计算日志损失
- 3
如何在pyspark中计算？
- 4
如何在Hive中计算中位数
- 5
如何在SQL中计算“运行总计”
- 6
如何在RX中计算处理时间
- 7
如何在PostgreSQL中计算最大列
- 8
如何在mysql中计算复合主键
- 9
如何在Excel中计算元素
- 10
如何在mySQL表中计算票数？
- 11
如何在AngularJS中计算地图大小
- 12
如何在蜂巢中计算累计薪水
- 13
如何在Matlab中计算每页STD？
- 14
如何在Excel中计算总和
- 15
如何在Slick 2.0中计算（*）？
- 16
如何在Firebase中计算连接
- 17
如何在bash中计算arccos（）？
- 18
如何在mysql中计算权重
- 19
如何在Django模板中计算时差
- 20
如何在Netlogo中计算死海龟
- 21
如何在BigQuery中计算年龄？
- 22
如何在WPF中计算形状的方向
- 23
如何在SQL中计算平均日期？
- 24
如何在Hive中计算日期差
- 25
如何在SQL中计算累积时差
- 26
如何在Liquid中计算变量+1
- 27
如何在MATLAB中计算环的半径？
- 28
如何在javascript中计算点值？
- 29
如何在Erlang中计算5 ^ 262144
我来说两句