/chapter6/chapter6_questions&keywords

[qiwang067]

https://datawhalechina.github.io/easy-rl/#/chapter6/chapter6_questions&keywords

Description

[Strawberry47]

Thanks♪(･ω･)ﾉ

[cp-Aurora]

这个地方不是很理解：习题6-3（4）中：“所以对于时序差分方法来说，rr 是一个随机变量。”习题6-5中：“我们希望它们两个相减的损失值与 r_tr
t
​
尽可能地接近。这也是网络的优化目标，我们称之为损失函数。”所以DQN的优化目标是拟合随机变量？