知识卡片

普通读书笔记卡 · 3796.d

MDP把决策环境写成状态模型

理解等级:中级

马尔可夫决策过程用状态、动作、转移概率、奖励和折扣因子描述连续决策。其状态应包含预测下一步所需的信息,使给定当前状态和动作后无须额外依赖更早历史。模型只是对环境的抽象,状态缺信息时马尔可夫假设可能不成立,模型内最优也未必适合真实环境。

这张卡片看不懂?

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

    参考来源

    - 位置:《智能算法导论》第 202 项《21.1.2 基于马尔可夫决策过程的强化学习》(源文件:`_epub-src/EPUB/xhtml/chapter21_0003.xhtml`) - 结论依据:元组及式21-2给出转移的当前状态动作条件;卡片补明状态充分性的建模含义。 - 原始内容:马尔可夫决策过程也可以用一个元组(S,A,P,R,γ)来表示。S是……状态集合;A是……动作集合;P是状态之间的转移概率;R是……回报……γ是折扣因子。