Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
stanford-cs234-notes-zh
提交
2a1c0e55
S
stanford-cs234-notes-zh
项目概览
OpenDocCN
/
stanford-cs234-notes-zh
通知
8
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
stanford-cs234-notes-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
GitCode(gitcode.net)2024年7月9日维护升级公告
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
2a1c0e55
编写于
11月 08, 2019
作者:
X
xiaowei_xing
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
test
上级
b89f702c
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
6 addition
and
1 deletion
+6
-1
docs/10.md
docs/10.md
+6
-1
未找到文件。
docs/10.md
浏览文件 @
2a1c0e55
...
...
@@ -32,4 +32,9 @@ $$
\t
heta^
*
=
\m
athop{
\a
rg
\m
ax}_
\t
heta J(
\t
heta)
$$
我们定义 $P_
\t
heta(s,a)$ 为 $(s,a)$ 出现在轨迹中的概率。注意,若时间步无穷大而且状态的平稳分布存在时,我们可以将 $P_
\t
heta(s,a)$ 写为 $P_
\t
heta(s,a)=d^{
\p
i_{
\t
heta}}(s)
\p
i_{
\t
heta}(a|s)$,这里 $d^{
\p
i_{
\t
heta}}(s)$ 为遵照策略 $
\p
i_{
\t
heta}$ 时的状态的平稳分布。
\ No newline at end of file
我们定义 $P_
\t
heta(s,a)$ 为 $(s,a)$ 出现在轨迹中的概率。注意,若时间步无穷大而且状态的平稳分布存在时,我们可以将 $P_
\t
heta(s,a)$ 写为 $P_
\t
heta(s,a)=d^{
\p
i_{
\t
heta}}(s)
\p
i_{
\t
heta}(a|s)$,这里 $d^{
\p
i_{
\t
heta}}(s)$ 为遵照策略 $
\p
i_{
\t
heta}$ 时的状态的平稳分布。
在无穷时间步的情况下,我们有:
$$
\t
heta^{
*
} =
\m
athop{
\a
rg
\m
ax}_{
\t
heta}
\s
um _{t=1}^{
\i
nf}
\m
athbb{E} _{(s,a)
\s
im P _{
\t
heta}(s,a)[
\g
amma^t r(s,a)]}
$$
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录