2
累積適格トレース（http://webdocs.cs.ualberta.ca/~sutton/book/ebook/node77.html）を持つsarsaλでは、与えられたアルゴリズムが式と一致しません。 Sutton＆BartoのRL本のSARSAλトピックでこれは誤りですか？
formulaが最初のEとE←ɣλE+ 1
[アルゴ]として更新←E + 1、次いでE←ɣλEが効果
E更新を行う←ɣλ。（E + 1）
これは正しいですか？ 私はまったく同じ式とalgoを持った研究論文も見てきました。
E + 1の前後に括弧を入れていないという出版物には矛盾がありますか？
もしそうなら、ほとんどの研究論文が同じエラーをどのように複製したのでしょうか？
または
私が何か誤解している場合は、指摘してください。
私はこの図を見ていましたが、なぜ私のポイントはE←ɣλE+ 1（現在の状態では）の代わりにE←ɣλE+ɣλ – jaggi
で更新していますか？図7.11 [http：//webdocs.cs.ualbertaすべての州でE←ɣλEと表示されています。現在の状態には、ループの 'decay'の直前に適格トレースが1だけインクリメントされています。 – jaggi
私はcan not 'あなたの意見を理解する。あなたはEqu（7.13）を見ましたか？これを理解できますか？可能であれば、図7.11では、8行目と11行目が式（7.13）の言うことをしています。現在のs、aについては、e（s、a）が8行目と11行目で更新されているため、E←ɣλE+ɣλnot E←ɣλE+ 1で更新されます。まあ、私はこれを理解していると思っていましたが、今もあなたのように混乱しています。 – user186199