बहु-उद्देश्य Q-लर्निंग

पुरस्कार वेक्टर

एक बहुआयामी पुरस्कार वेक्टर जहां प्रत्येक घटक एक विशिष्ट उद्देश्य से संबंधित पुरस्कार के अनुरूप होता है, जो पारंपरिक स्केलर पुरस्कार सिग्नल को प्रतिस्थापित करता है।

← पीछे