知识卡片
策略规定给定状态如何行动
策略是智能体在状态下选择动作的规则,可用条件概率 π(a|s) 表示。环境转移模型则描述状态和动作之后会到达何处,奖励描述结果的评价;三者职责不同。策略中的动作概率表达选择倾向,不直接等于成功概率,也不必只按立即奖励确定。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 2 1 . 1 强 化 学 习 模 型 · 查看原书依据
最常见的策略表达方式是一个条件概率分布π(a|s),即在状态s时采取动作a的概率,即π(a|s)=P(At=a|St=s)。
参考来源
- 位置:《智能算法导论》第 201 项《21.1 强化学习模型/21.1.1 强化学习思路》(源文件:`_epub-src/EPUB/xhtml/chapter21_0002.xhtml`)
- 结论依据:正文分别定义状态、动作、奖励、策略条件概率及转移模型;卡片据此区分策略与环境模型。
- 原始内容:个体的策略π,代表个体选择动作的依据……最常见的策略表达方式是一个条件概率分布π(a|s),即在状态s时采取动作a的概率。