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
8ab0c195
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
8ab0c195
编写于
11月 25, 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
5dd190af
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
30 addition
and
2 deletion
+30
-2
docs/10.md
docs/10.md
+30
-2
未找到文件。
docs/10.md
浏览文件 @
8ab0c195
...
...
@@ -270,7 +270,35 @@ $$
**引理 4.1**
$$
J(
\p
i')-J(
\p
i) =
\m
athbb{E}_ {
\t
au
\s
im
\p
i'}[
\s
um_{t=0}^{
\i
nf}
\g
amma^{t} A^{
\p
i}(s_t,a_t)]。
J(
\p
i')-J(
\p
i) =
\m
athbb{E}_ {
\t
au
\s
im
\p
i'}[
\s
um_{t=0}^{
\i
nf
ty
}
\g
amma^{t} A^{
\p
i}(s_t,a_t)]。
$$
证明:
\ No newline at end of file
证明:
$$
\m
athbb{E}_ {
\t
au
\s
im
\p
i'} [
\s
um_{t=0}^{
\i
nfty}
\g
amma^{t} A^{
\p
i}(s_t,a_t)] =
\m
athbb{E}_ {
\t
au
\s
im
\p
i'} [
\s
um_{t=0}^{
\i
nfty}
\g
amma^{t} [r(s_t,a_t)+
\g
amma V^{
\p
i}(s_{t+1}) - V^{
\p
i}(s_t)]]
$$
$$
=
\m
athbb{E}_ {
\t
au
\s
im
\p
i'} [
\s
um_{t=0}^{
\i
nfty}
\g
amma^{t}r(s_t,a_t)] +
\m
athbb{E}_ {
\t
au
\s
im
\p
i'}[
\s
um_{t=0}^{
\i
nfty}
\g
amma^{t}[
\g
amma V^{
\p
i}(s_{t+1}) - V^{
\p
i}(s_t)]]
$$
$$
= J(
\p
i') -
\m
athbb{E}_ {
\t
au
\s
im
\p
i'}[V^{
\p
i}(s_0)]
$$
$$
J(
\p
i')-J(
\p
i)。
$$
证明完毕。$
\d
iamondsuit$
因此,我们有:
$$
\m
athop{
\m
ax}_ {
\p
i'} J(
\p
i') =
\m
athop{
\m
ax}_{
\p
i'} J(
\p
i')-J(
\p
i)
$$
$$
=
\m
athop{
\m
ax}_ {
\p
i'}
\m
athbb{E}_ {
\t
au
\s
im
\p
i'}[
\s
um_{t=0}^{
\i
nfty}
\g
amma^{t} A^{
\p
i}(s_t,a_t)]。
$$
\ 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