From b07b3406f2974f42e70e4eebc098c8425459b9dd Mon Sep 17 00:00:00 2001 From: qiwang067 Date: Thu, 5 Nov 2020 17:01:38 +0800 Subject: [PATCH] fix ch2 typos --- docs/chapter2/chapter2.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/chapter2/chapter2.md b/docs/chapter2/chapter2.md index 57b0c10..edd8b8e 100644 --- a/docs/chapter2/chapter2.md +++ b/docs/chapter2/chapter2.md @@ -623,7 +623,7 @@ A: 当取得最佳的价值函数过后，我们可以通过对这个 Q 函数 最简单的策略搜索办法就是`穷举`。假设状态和动作都是有限的，那么每个状态我们可以采取这个 A 种动作的策略，那么总共就是 $|A|^{|S|}$ 个可能的 policy。那我们可以把策略都穷举一遍，然后算出每种策略的 value function，对比一下就可以得到最佳策略。 -但是这样的穷举非常没有效率，所以我们要采取其他方法。**搜索最佳策略有两种比较常用的方法：`policy iteration` 和 `value iteration` **。 +但是穷举非常没有效率，所以我们要采取其他方法。**搜索最佳策略有两种常用的方法：`policy iteration` 和 `value iteration` **。 ![](img/2.44.png)