A10 · 第 2 章 · 课程规划页
动态规划、Monte Carlo 与时序差分
本章研究动态规划、Monte Carlo 与时序差分。内容依次处理策略评估、策略改进与价值迭代、Monte Carlo 回报与自举估计、TD(λ)、资格迹与偏差方差折中。
- 所在 Part
- 第一编 决策过程与价值
- 预计学习
- 40 分钟
- 建设状态
- 已规划，尚无正式正文
计划实验
本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。
LEARNING OBJECTIVES
完成本章后应能
- 01准确说明策略评估、策略改进与价值迭代。
- 02完成Monte Carlo 回报与自举估计所需的推导、证明或算法。
- 03使用计算、例题或反例检验TD(λ)、资格迹与偏差方差折中。
PLANNED SECTIONS
计划章节结构
- 01
策略评估、策略改进与价值迭代
界定策略评估、策略改进与价值迭代，明确使用的条件、主要结论与可复核步骤。
- 02
Monte Carlo 回报与自举估计
推导Monte Carlo 回报与自举估计，明确使用的条件、主要结论与可复核步骤。
- 03
TD(λ)、资格迹与偏差方差折中
检验TD(λ)、资格迹与偏差方差折中，明确使用的条件、主要结论与可复核步骤。
计划定义
策略评估、策略改进与价值迭代：对象、记号与前提
围绕策略评估、策略改进与价值迭代列出主要对象、符号、前提与定义边界。
计划公式
Monte Carlo 回报与自举估计：关系、判据与可复核步骤
把Monte Carlo 回报与自举估计整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。
计划例题
TD(λ)、资格迹与偏差方差折中：案例、反例与核验
围绕TD(λ)、资格迹与偏差方差折中给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。
计划练习
动态规划、Monte Carlo 与时序差分：定义、关系与边界综合练习
联结策略评估、策略改进与价值迭代、Monte Carlo 回报与自举估计与TD(λ)、资格迹与偏差方差折中，分别检验定义辨析、主要步骤和适用边界。
关键词
动态规划、Monte Carlo、时序差分、第一编 决策过程与价值、强化学习