中期測驗

學習和避免能力錯覺的最佳方法是自我測試。這將幫助你找到需要鞏固知識的地方。

問題1：尋找最優策略的兩種主要方法是什麼？

問題2：什麼是貝爾曼方程？

解決方案

貝爾曼方程是一個遞迴方程，其工作原理如下：我們不是從每個狀態的開始計算回報，而是將任何狀態的價值視為：

Rt+1 + gamma * V(St+1)

即時獎勵 + 後續狀態的折扣價值

問題3：定義貝爾曼方程的每個部分

解決方案

問題4：蒙特卡洛學習方法和時序差分學習方法有什麼區別？

問題5：定義時序差分學習公式的每個部分

解決方案

問題6：定義蒙特卡洛學習公式的每個部分

解決方案

恭喜你完成了本次測驗🥳，如果你遺漏了一些內容，請花時間重新閱讀前面的章節以鞏固（😏）你的知識。

< > 在 GitHub 上更新