State–action–reward–state–action (SARSA) 也是强化学习中很重要的一个算法,它的算法和公式和 Q learning 很像,但是 Q-Learning 是Off-Policy的,SARSA 是On-Policy 的,具体区别我们可以在下一节中再看。
下面是 Q-Learning 的算法流程,前面几篇文章介绍的比较详细了,相信理解起来也很轻松,
下面是SARSA的算法流程:
可以看出主要区别在Q 值的更新公式:
本文分享自 作者个人站点/博客 前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!