強化学習について学んでみた。(その11)

昨日は方策評価について説明した。 今日は、評価された状態価値を使って、方策を改善していくことを考えていく。 方策改善 さて、方策評価が出来たのなら、今度はその方策を変えることで、状態価値(や行動価値)を改善していきたいとなる。 これを、方策改善と呼ぶ。 なお、方策や状態価値を改善するためには、そもそも方…