首页 › 业界区 › 安全 ›强化学习--基于价值的强化学习(02)

强化学习--基于价值的强化学习(02)

釉她 2025-6-1 20:42:08

Action-Value Functions 动作价值函数

折扣回报（Discounted Return）

折扣回报 Ut 是从时间步 t 开始的累积奖励，公式为：

<ul>Rt 是在时间步 t 获得的奖励。

γ 是折扣因子（0

回复

使用道具举报

2025-6-1 20:42:08

0

粉丝关注

13

主题发布

板块介绍填写区域，请于后台编辑

财富榜{圆}