点击购买，资源将自动在新窗口打开.
获取独家产品信息，尽享促销优惠！立即订阅，不容错过
* 限···时··优惠
1假设所有元素都是从固定的确定性政策π中收集的。然后在表格设置中，如果每个元组随机采样并用于进行Q学习更新，然后将其重复一个无限的次数，则存在一个学习率的时间表，以便所得的估计将收敛到真实的Qπ。
主要关键词
