问手推车杆柱的SARSA值逼近
EN

Stack Overflow用户

提问于 2018-07-17 09:26:09

回答 0查看 294关注 0票数 3

我有一个关于this SARSA的问题。

在输入单元格142中，我看到了这个修改后的更新

w += alpha * (reward - discount * q_hat_next) * q_hat_grad

其中q_hat_next是Q(S', a')，q_hat_grad是Q(S, a)的导数(假设是S, a, R, S' a'序列)。

我的问题是更新不应该是这样的吗？

w += alpha * (reward + discount * q_hat_next - q_hat) * q_hat_grad

修改后的更新背后的直觉是什么？

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/51371975

复制

相似问题

问手推车杆柱的SARSA值逼近EN