标签：线性 线性规划 表格 无法 policy 空间 预测 网络 symbol
对于状态空间太大的问题，表格类方法无法存储这么大的价值表，也没有办法穷尽这么多的状态。考虑到很多状态是相似的，知道一个状态的价值也就大概知道类似状态的价值，因此可以采用函数近似的方法，函数近似是监督学习的一个应用。
这一章我们主要做价值函数的近似。我们定义一个N维参数$\boldsymbol \theta$, N比状态数量小很多，$\theta$可以是线性规划的权重，也可以是神经网络的权重，还可以是决策树的分叉点。得到$v_{\pi}(s)\approx \hat v(s,\boldsymbol \theta)$
标签：线性 线性规划 表格 无法 policy 空间 预测 网络 symbol
原文地址：http://www.cnblogs.com/milaohu/p/7630143.html
