詳細解釋
折扣因子（Discount Factor, γ）是強化學習中未來獎勵的折現係數，平衡即時和長期回報。
數學：
- 回報 G = r₁ + γr₂ + γ²r₃ + ...
- γ ∈ [0, 1]
- γ=0：只看即時獎勵
- γ=1：無折扣，所有未來同等重要
選擇考量：
- 任務性質：長期規劃需高γ
- 不確定性：環境不穩定用低γ
- 收斂性：高γ可能導致不穩定
常見設置：
- 簡單任務：0.9-0.95
- 長期規劃：0.99-0.999
- 連續控制：0.99常見
與人類行為的類比：
- 折扣反映耐心程度
- 高折扣：目光長遠
- 低折扣：急功近利
對算法的影響：
- 影響價值函數估計
- 影響策略優化目標
- 需調參找到平衡
是強化學習的重要超參數。