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
投递快手等公司10个岗位 > 点赞 评论 收藏
分享
点赞 评论 收藏
分享
牛客热帖
更多
正在热议
更多
# 字节求职进展汇总 #
679938次浏览 6855人参与
# 读研or工作，哪个性价比更高？ #
32121次浏览 446人参与
# 元戎现在香不香 #
70734次浏览 645人参与
# 牛友故事会 #
193088次浏览 3774人参与
# 讲讲我的真实离职原因 #
27968次浏览 252人参与
# 传音控股求职进展汇总 #
8932次浏览 77人参与
# 携程求职进展汇总 #
188546次浏览 1377人参与
# 歌尔求职进展汇总 #
48325次浏览 322人参与
# 烟草笔面经互助 #
12057次浏览 165人参与
# 德州仪器求职进展汇总 #
2006次浏览 45人参与
# 你上一次加班是什么时候？ #
40959次浏览 295人参与
# 入职以后才知道的校招谎言 #
68541次浏览 450人参与
# 90后北漂现状 #
20567次浏览 186人参与
# 安克创新求职进展汇总 #
20910次浏览 229人参与
# 牛友打假中心 #
9076次浏览 509人参与
# 初创公司值得加入吗？ #
15252次浏览 129人参与
# 软开人，秋招你打算投哪些公司呢 #
72507次浏览 804人参与
# 机械只有转码才有出路吗？ #
120782次浏览 1570人参与
# 滴滴求职进展汇总 #
117943次浏览 1025人参与
# OPPO求职进展汇总 #
603899次浏览 4821人参与
# 如果公司给你放一天假，你会怎么度过？ #
11019次浏览 94人参与
# 实习必须要去大厂吗？ #
75699次浏览 1130人参与