价值函数和最优策略
教材《人工智能导论》3.4.1 / 内部第1点 · 已审核
通俗解释
动作价值估计在某状态采取动作后可能得到的长期回报；最优策略据此比较动作，而非只看即时奖励。
例子
走迷宫时，一条路马上得到小奖励，另一条路稍后到达终点；比较动作价值要把后续回报算进去。
容易混淆
动作的即时奖励不是动作价值的全部，还要考虑未来回报。
检查理解
用自己的话解释“价值函数和最优策略”在“数理基础”中的作用，并举出教材中的一个例子或适用场景。对照原文检查条件、公式和图表。
查看参考答案
要点：动作价值估计在某状态采取动作后可能得到的长期回报；最优策略据此比较动作，而非只看即时奖励。 示例：走迷宫时，一条路马上得到小奖励，另一条路稍后到达终点；比较动作价值要把后续回报算进去。