李同学2025-07-31 14:56:33
李同学老师，为什么这里的G＝1，G是代表未来的期望奖励，还是未来的期望奖励之和，赢了的奖励是1，输了的奖励是-1，这个G是怎么得出来的呢
回答（1）
黄石2025-08-01 10:47:23
黄石同学你好。G为未来期望奖励之和，说人话就是算法做了这一次试验（例子里就是玩了一次游戏）所能得到的所有奖励之和。在这个例子里，只有最后游戏结束时有奖励，所以G就等于游戏结束时的奖励。一般来说我们还要考虑折现的问题，就是游戏结束时的1并不等于当前的1，所以一般会在1前面乘上一个小于1的折现因子。但考试的话目前来看基本都不考虑折现的问题。
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片