当使用径向基函数 (RBF) 来逼近具有连续状态变量的值函数时，我不明白资格跟踪如何与强化学习相适应。特别是，您如何确定对于给定状态哪些功能是“活跃的”？
当使用瓦片编码或粗编码时，每个瓦片（不是每个瓦片）本质上是一个特征，因此当状态通过每个瓦片时，每个瓦片的合格迹线都会增加（如何取决于您是使用替换还是累积迹线）瓦片，并且某些瓦片不会增加其跟踪。然而，当使用径向基函数时，特征是状态与所选内核评估的 Rbf 网络中心之间的距离。这些可以针对状态的任何位置和中心的任何位置进行评估，因此对于给定状态激活了哪些特征并不清楚（它们基本上都可以或多或少地被激活），所以目前尚不清楚哪些特征应该增加它们的痕迹。
应该如何调整 RBF 在模拟的每个时间步生成的特征的合格迹线？
我是否需要假设 RBF 的内核被截断？