文行知Cer
2017-10-17 08:55 北京大学 算法工程师
关注
q learning是off policy的，它每次实验选择下一个a是由behavior policy决定的。这里的behavior policy采用了选择q最大的a。如果是sarsa这种on policy的，它会按照之前学习的target policy去选a，一般是epsilon-greedy。 以上是我个人的理解。
查看原帖
点赞 评论
相关推荐
11-21 12:39
中国石油大学（华东） Java 
影04714：把图书管理系统那个项目经验内容适当的减少掉，然后改成据为己有不要说团队项目，因为图书管理系统这类常见的谁来了都能独立写出来，提问能圆过来即可
点赞 评论 收藏
分享
10-23 10:30
杭州电子科技大学 Java YIYI啊：不要去制造业，特别是这种流程给特别快的厂，说明流动率高，加班严重。你可是杭电的学生，把这个工作机会留给普通双非吧 点赞 评论 收藏
分享
牛客热帖
更多
正在热议
更多
# mt对你说过最有启发的一句话 #
22445次浏览 287人参与
# 机械/制造每日一题 #
79704次浏览 1407人参与
# 秋招被挂春招仍然能投的公司 #
3761次浏览 53人参与
# 你怎么看待AI面试 #
128554次浏览 724人参与
# 摸鱼被leader发现了怎么办 #
88782次浏览 591人参与
# 工作以后，你父母对你啥态度 #
22049次浏览 160人参与
# 求职遇到的搞笑事件 #
151288次浏览 882人参与
# 秋招特别不鸣谢 #
10393次浏览 141人参与
# 2025，我想...... #
80290次浏览 638人参与
# 什么是优秀的实习经历 #
4806次浏览 160人参与
# 今年秋招你收到了多少封邮件？ #
14252次浏览 178人参与
# 选实习，你更看重哪方面？ #
8454次浏览 175人参与
# 工作中遇到的歹人 #
19319次浏览 245人参与
# 工作后，你落下了哪些病根 #
8656次浏览 159人参与
# 实习简历求拷打 #
868次浏览 24人参与
# 快手求职进展汇总 #
698210次浏览 7034人参与
# 找工作有哪些冷知识 #
202662次浏览 2586人参与
# 被上班搭子“传染”了哪些习惯 #
3534次浏览 77人参与
# 工作丧失热情的瞬间 #
339345次浏览 2495人参与
# 打工人的精神状态 #
122439次浏览 1423人参与