演示
/
强化学习
/ 价值迭代
价值迭代
从终点把价值往回传。每扫一遍,走廊里的颜色会绕过墙扩散,不会穿过障碍走直线。点空格改终点。
扫一遍
连续迭代
重置
γ
步进代价
速度
迭代 0
对照精读:Q-learning / 贝尔曼最优