《表2 基于均匀回放的算法收敛后动作价值的误差》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《随机状态下基于期望经验回放的Q学习算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表2和表3可见，当算法收敛到最优策略时，对于所有状态，动作期望回放算法最终的动作价值比均匀回放算法的动作价值要低，但都收敛到了最优策略，说明动作期望算法有效解决了Q学习算法的动作价值过估计问题．