瑜同學(xué)
2025-07-31 14:56老師，為什么這里的G＝1，G是代表未來的期望獎勵，還是未來的期望獎勵之和，贏了的獎勵是1，輸了的獎勵是-1，這個G是怎么得出來的呢
所屬：FRM Part I > Quantitative Analysis 視頻位置 相關(guān)試題
來源： 視頻位置 相關(guān)試題
1個回答
黃石助教
2025-08-01 10:47
該回答已被題主采納
同學(xué)你好。G為未來期望獎勵之和，說人話就是算法做了這一次試驗(yàn)（例子里就是玩了一次游戲）所能得到的所有獎勵之和。在這個例子里，只有最后游戲結(jié)束時有獎勵，所以G就等于游戲結(jié)束時的獎勵。一般來說我們還要考慮折現(xiàn)的問題，就是游戲結(jié)束時的1并不等于當(dāng)前的1，所以一般會在1前面乘上一個小于1的折現(xiàn)因子。但考試的話目前來看基本都不考慮折現(xiàn)的問題。
0
0
0
0
