2023年11月2日
RL 基础 | Policy Iteration 的收敛性证明
摘要： 1. Policy Evaluation 会收敛，因为贝尔曼算子是压缩映射；2. Policy Improvement 有策略性能改进的保证。 阅读全文
posted @ 2023-11-02 10:44 MoonOut 阅读(69) 评论(0) 推荐(0) 编辑