单元测试

学习和 避免能力错觉 的最佳方法是 **测试自己**。这将帮助你找到 **需要加强知识的地方**。

Q1：找到最优策略的两种主要方法是什么？

Q2：什么是贝尔曼方程？

解答

**贝尔曼方程是一个递归方程**，其工作原理如下：与其从每个状态的开始计算回报，不如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

Q3：定义贝尔曼方程的每个部分

解答

Q4：蒙特卡洛方法和时序差分学习方法有什么区别？

Q5：定义时序差分学习公式的每个部分

解答

Q6：定义蒙特卡洛学习公式的每个部分

解答

恭喜你完成了这个测验 🥳，如果你错过了一些内容，请花时间重新阅读前面的章节来巩固 (😏) 你的知识。

< > 在 GitHub 上更新