Planning - Value Functions

Vp(s) The expected value starting at state s following p.

Qp(s,a) The expected value starting at state s with

action a and then following p.

V*(s) and Q*(s,a) are define using an optimal policy p*.

V*(s) = maxp Vp(s)

השקופית הקודמת

השקופית הבאה

חזור אל השקופית הראשונה

הצג גירסה גרפית