机构名称：
¥ 1.0
4。我们收到一集，所以现在我们需要更新我们的价值。一集由开始状态S，动作A，端状态S'和奖励R（S，A，S'）组成。情节的开始状态是上面的状态（您已经计算了特征值和预期Q值）。下一个状态具有特征值f g = 0和f p = 2，奖励为50。假设折扣为0。5，根据此情节计算S值的新估计值。
CS188 2014年春季第5节：加固学习
主要关键词
相关文件推荐
