From a95694b16ebf52024bbc43fbd773e27a55ea27e1 Mon Sep 17 00:00:00 2001 From: qiwang067 Date: Thu, 23 Mar 2023 14:59:59 +0800 Subject: [PATCH] udpate errata.md --- docs/errata.md | 3 +-- 1 file changed, 1 insertion(+), 2 deletions(-) diff --git a/docs/errata.md b/docs/errata.md index 4e64c86..5aa8996 100644 --- a/docs/errata.md +++ b/docs/errata.md @@ -24,8 +24,7 @@ pip install gym==0.25.2 ![](res/Markov_chain.png ':size=350') * 38页，式(2.7)下面一段第1行：$s^{\prime}$ 可以看成未来的所有状态 → $s^{\prime}$ 可以看成未来的某个状态 -* 38页，式(2.7)下面一段第2行：未来某一个状态的价值 → 未来某个状态的价值 -* 38页，式(2.7)下面一段第2行：未来某一个状态的价值 → 未来某个状态的价值 +* 38页，式(2.7)下面一段第2行：未来某一个状态的价值 → 未来某个状态的价值 * 52页，第二段修改为：     举一个例子来说明预测与控制的区别。首先是预测问题。在图 2.16（a）的方格中，智能体可以采取上、下、左、右4个动作。如果采取的动作让智能体走出网格，则其会在原位置不动，并且得到 -1 的奖励。除了将智能体从 $\mathrm{A}$ 和 $\mathrm{B}$ 移走的动作外，其他动作的奖励均为 0。智能体在 $\mathrm{A}$ 采取任意一个动作，都会移动到 $\mathrm{A}^{\prime}$ ，并且得到 +10 的奖励。智能体在 $\mathrm{B}$ 采取任意一个动作，都会移动到 $\mathrm{B}^{\prime}$ ，并且得到 +5 的奖励。如图 2.16（b）所示，现在，我们给定一个策略：在任何状态中，智能体的动作模式都是随机的，也就是上、下、左、右的概率均为 0.25。预测问题要做的就是，求出在这种决策模式下的价值函数。图 2.16 （c）是折扣因子为 $\gamma=0.9$ 时对应的价值函数。