Brute force[edit]The brute force ap

Brute force[edit]
The brute force approach entails the following two steps:

For each possible policy, sample returns while following it
Choose the policy with the largest expected return
One problem with this is that the number of policies can be extremely large, or even infinite. Another is that variance of the returns might be large, in which case a large number of samples will be required to accurately estimate the return of each policy.

These problems can be ameliorated if we assume some structure and perhaps allow samples generated from one policy to influence the estimates made for another. The two main approaches for achieving this are value function estimation and direct policy search

Kết quả (Việt) 1:

Bạo lực [sửa]Các phương pháp bạo lực đòi hỏi hai bước sau đây:Đối với mỗi chính sách có thể, mẫu trở về trong khi sau nóChọn chính sách này với sự trở lại dự kiến lớn nhấtMột trong những vấn đề này là số lượng các chính sách có thể được rất lớn, hoặc thậm chí là vô hạn. Một là phương sai của trả lại có thể là lớn, trong trường hợp một số lượng lớn các mẫu sẽ được yêu cầu chính xác ước tính sự trở lại của mỗi chính sách.Những vấn đề này có thể được ameliorated nếu chúng ta giả định một số cấu trúc và có lẽ cho phép mẫu được tạo ra từ một chính sách ảnh hưởng đến các ước tính được thực hiện cho người khác. Hai phương pháp chính để đạt được điều này là giá trị hàm ước lượng và tìm kiếm trực tiếp chính sách

Kết quả (Việt) 2:

Brute force [sửa]
Các cách tiếp cận sức mạnh vũ phu đòi hỏi hai bước sau:

Đối với mỗi chính sách có thể, lợi nhuận mẫu trong khi sau đó
Chọn chính sách với sự lớn nhất dự kiến sẽ trở lại
Một vấn đề này được rằng số lượng các chính sách có thể rất lớn, hoặc thậm chí vô hạn. Một là phương sai của lợi nhuận có thể lớn, trong đó có trường hợp một số lượng lớn các mẫu sẽ được yêu cầu để đánh giá chính xác sự trở lại của mỗi chính sách.

Những vấn đề này có thể được cải thiện nếu chúng ta giả định một số cấu trúc và có lẽ cho phép các mẫu được tạo ra từ một trong những chính sách để ảnh hưởng đến dự toán làm cho người khác. Hai phương pháp chính để đạt được điều này là chức năng giá trị ước lượng và tìm kiếm chính sách trực tiếp