会员
众包
新闻
博问
闪存
云市场
所有博客
当前博客
a56爆大奖在线娱乐的博客
a56爆大奖在线娱乐的园子
账号设置
简洁模式
...
退出登录
注册
登录
月出兮彩云归 ?
首页
新随笔
联系
订阅
管理
RL 基础 | Value Iteration 的收敛性证明
贝尔曼算子 BV = max[r(s,a) + γV(s')] 是压缩映射,因此 {V, BV, B?V, ...} 是柯西序列,会收敛到 V=BV 的不动点。
贝尔曼算子 BV = max[r(s,a) + γV(s')] 是压缩映射,因此 {V, BV, B?V, ...} 是柯西序列,会收敛到 V=BV 的不动点。
posted @
2023-10-24 09:40
MoonOut
阅读(
409
) 评论(
0
)
编辑
收藏
举报
指间灵动,快码加编
刷新页面
返回顶部
公告