标签：eps greedy log es2017 时间差 全局 化学 复杂 learn
相比较于非线性逼近，线性逼近的好处是只有一个最优值，因此可以收敛到全局最优。其中
为状态s处的特征函数，或者称为基函数。
常用的基函数的类型为：
增量式方法参数更新过程随机性比较大，尽管计算简单，但样本数据的利用效率并不高。而批的方法，尽管计算复杂，但计算效率高。
批处理方法：
所谓时间差分方法，是指利用时间差分目标来更新当前行为值函数。在图1.1 Q-learning伪代码中，时间差分目标为
。
标签：eps greedy log es2017 时间差 全局 化学 复杂 learn
原文地址：http://www.cnblogs.com/imagef/p/7434995.html
