SARSAアルゴリズムについて

[BrambleXu]

指摘事項

p74、「Valueベースの基準はOff-policy」、「Policyベースの基準はOn-policy」と書いています。でも「Off-policy、On-policy」と「Valueベース、Policyベース」関係がないので、「Off-policy、On-policy」で「Valueベース、Policyベース」を区別できません。

SARSAアルゴリズムはOn-policyですが、実はValueベースのアルゴリズムです。論文にもValueベースが書いています。

指摘箇所

• Day1: 強化学習の位置づけを知る
• Day2: 強化学習の解法(1): 環境から計画を立てる
• Day3: 強化学習の解法(2): 経験から計画を立てる
• Day4: 強化学習に対するニューラルネットワークの適用
• Day5: 強化学習の弱点
• Day6: 強化学習の弱点を克服するための手法
• Day7: 強化学習の活用領域

ページ番号: 改訂版第2版　p74

実行環境

• OS:
• Python version:
• pip freezeの実行結果 (下に添付)

エラー内容

(例外のメッセージ、ログ、画面ショットなどを添付)