A Distributional Perspective on Reinforcement Learning

传统的强化学习算法例如Q-learning算法学习的是state-action值函数,而这篇文章的核心是学习state-action的概率分布。 具体各简单的例子:例如我们在上班是需要经过6站地铁,每站地铁平均需要5分钟,则上上班需要30分钟。如果每个星期(5天),地铁都会出毛病,则就需要耽误耽搁一个小时。正常情况下上班的时间期望,也就是均值是30分钟,在火车出现故障的情况下,则每天的上班时间期望
相关文章
相关标签/搜索