A10 · 第 3 章 · 课程规划页
Q-learning、探索与函数逼近
本章研究Q-learning、探索与函数逼近。内容依次处理表格 Q-learning 更新与离策略目标、ε-greedy、乐观初始化与探索覆盖、函数逼近、目标网络与致命三元组。
- 所在 Part
- 第二编 控制与策略
- 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准确说明表格 Q-learning 更新与离策略目标。
- 02完成ε-greedy、乐观初始化与探索覆盖所需的推导、证明或算法。
- 03使用计算、例题或反例检验函数逼近、目标网络与致命三元组。
PLANNED SECTIONS
计划章节结构
- 01
表格 Q-learning 更新与离策略目标
界定表格 Q-learning 更新与离策略目标，明确使用的条件、主要结论与可复核步骤。
- 02
ε-greedy、乐观初始化与探索覆盖
推导ε-greedy、乐观初始化与探索覆盖，明确使用的条件、主要结论与可复核步骤。
- 03
函数逼近、目标网络与致命三元组
检验函数逼近、目标网络与致命三元组，明确使用的条件、主要结论与可复核步骤。
计划定义
表格 Q-learning 更新与离策略目标：对象、记号与前提
围绕表格 Q-learning 更新与离策略目标列出主要对象、符号、前提与定义边界。
计划公式
ε-greedy、乐观初始化与探索覆盖：关系、判据与可复核步骤
把ε-greedy、乐观初始化与探索覆盖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
函数逼近、目标网络与致命三元组：案例、反例与核验
围绕函数逼近、目标网络与致命三元组给出明确输入、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
Q-learning、探索与函数逼近：定义、关系与边界综合练习
联结表格 Q-learning 更新与离策略目标、ε-greedy、乐观初始化与探索覆盖与函数逼近、目标网络与致命三元组，分别检验定义辨析、主要步骤和适用边界。
关键词
Q-learning、探索、函数逼近、第二编 控制与策略、强化学习