Learning - Model Based

Sample size (optimal policy):

Naive: O(|S|2 |A|) samples.

(approximates each transition d(s,a,s’) well.)

Better: O(|S| |A| log (|S| |A|) ) samples.

(Sufficient to approximate optimal policy.)

[KS, NIPS’98]

השקופית הקודמת

השקופית הבאה

חזור אל השקופית הראשונה

הצג גירסה גרפית