标签：img 学习 image logs 定义 分享 bsp width 误差
多步TD是介于单步TD和MC之间的一种方法
7.1 多步TD预测
首先，定义n-step return:
得出n步迭代更新：
其中$G_t^{(n)}$满足下列误差递减性质：
当n取一个折衷值的时候，平方误差最小
7.2 n步Sarsa
将状态价值换为动作价值，重新描述$G_t^{(n)}$：
以及迭代更新式：
对应的，Expected Sarsa的G值：
标签：img 学习 image logs 定义 分享 bsp width 误差
原文地址：http://www.cnblogs.com/milaohu/p/7628758.html
