Yapay ZekâÖnerilenAIML-RL-012
Dynamic Programming: Policy and Value Iteration
Solving a known MDP exactly by repeated Bellman backups.
Bu konunun henüz Türkçe çevirisi yok, bu yüzden İngilizce gösteriliyor.
- Zorluk
- 3 / 5
- Önem
- 4 / 5
- Çalışma süresi
- 1–2 sa
- Çalışma türü
- Karma
Neden önemli
The learner can run value iteration on a gridworld until convergence and extract the greedy policy.