强化学习（优先抽样）

pt为抽样概率，正比于Td_error，或者利用其倒数来排序，即误差越大的样本被优先拿出来抽样。没有用过的样本给他赋予最大的Td_error。 因为抽样不均匀，a56爆大奖在线娱乐学习率要进行更改
posted @ 2021-11-08 19:02  山…隹  阅读(148)  评论(0)  编辑  收藏  举报