期中测验

学习和避免能力错觉的最佳方法是进行自我测试。 这将帮助您找到您需要加强知识的地方。

问题 1：找到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？

答案

贝尔曼方程是一个递归方程，其工作原理如下：与其从头开始计算每个状态的回报，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

问题 3：定义贝尔曼方程的每个部分

答案

问题 4：蒙特卡洛学习方法和时间差分学习方法之间有什么区别？

问题 5：定义时间差分学习公式的每个部分

答案

问题 6：定义蒙特卡洛学习公式的每个部分

答案

恭喜你完成本次测验 🥳，如果你遗漏了一些元素，请花时间再次阅读前面的章节以加强 (😏) 你的知识。

< > 在 GitHub 上更新