Politikiteration
Die Idee hinter der Policy Iteration ist einfach:
- Wähle eine anfängliche π und v;
- Verwende die Policy-Bewertung, um v zu aktualisieren, bis es mit π konsistent ist;
- Verwende die Policy-Verbesserung, um π zu aktualisieren, bis sie bezüglich v gierig ist;
- Wiederhole die Schritte 2-3 bis zur Konvergenz.
Bei dieser Methode gibt es keine partiellen Aktualisierungen:
- Während der Policy-Bewertung werden die Werte für jeden Zustand aktualisiert, bis sie mit der aktuellen Policy übereinstimmen;
- Während der Policy-Verbesserung wird die Policy bezüglich der Wertfunktion gierig gemacht.
Pseudocode
War alles klar?
Danke für Ihr Feedback!
Abschnitt 3. Kapitel 7
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 2.7
Politikiteration
Swipe um das Menü anzuzeigen
Die Idee hinter der Policy Iteration ist einfach:
- Wähle eine anfängliche π und v;
- Verwende die Policy-Bewertung, um v zu aktualisieren, bis es mit π konsistent ist;
- Verwende die Policy-Verbesserung, um π zu aktualisieren, bis sie bezüglich v gierig ist;
- Wiederhole die Schritte 2-3 bis zur Konvergenz.
Bei dieser Methode gibt es keine partiellen Aktualisierungen:
- Während der Policy-Bewertung werden die Werte für jeden Zustand aktualisiert, bis sie mit der aktuellen Policy übereinstimmen;
- Während der Policy-Verbesserung wird die Policy bezüglich der Wertfunktion gierig gemacht.
Pseudocode
War alles klar?
Danke für Ihr Feedback!
Abschnitt 3. Kapitel 7