中期测验

学习和避免能力错觉的最佳方法是自我测试。这将帮助你找到需要巩固知识的地方。

问题1：寻找最优策略的两种主要方法是什么？

问题2：什么是贝尔曼方程？

解决方案

贝尔曼方程是一个递归方程，其工作原理如下：我们不是从每个状态的开始计算回报，而是将任何状态的价值视为：

Rt+1 + gamma * V(St+1)

即时奖励 + 后续状态的折扣价值

问题3：定义贝尔曼方程的每个部分

解决方案

问题4：蒙特卡洛学习方法和时序差分学习方法有什么区别？

问题5：定义时序差分学习公式的每个部分

解决方案

问题6：定义蒙特卡洛学习公式的每个部分

解决方案

恭喜你完成了本次测验🥳，如果你遗漏了一些内容，请花时间重新阅读前面的章节以巩固（😏）你的知识。

< > 在 GitHub 上更新