知识卡片
MDP框架
马尔可夫决策过程用状态、动作、转移、奖励描述序贯决策。它强调当前行动会改变未来机会,因此最优选择不是眼前奖励最大,而是长期价值最大。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第17章 做复杂决策
- · 全书主线
原书出处 · 1 处
- 做复杂决策 17.1 序贯决策问题 · 查看原书依据
一个完全可观测的随机环境下,具有马尔可夫转移模型和加性奖励的序贯决策问题称为马尔可夫决策过程(Markov decision process,MDP),它包含一个状态集合(初始状态s0),每个状态下的动作集合Actions(s),转移模型,奖励函数。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第17章《做复杂决策》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0036_split_001.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:马尔可夫决策过程用状态、动作、转移、奖励描述序贯决策。原文从「17.1 序贯决策问题」处给出对应机制与依据,支撑本卡结论。
- 原始内容:一个完全可观测的随机环境下,具有马尔可夫转移模型和加性奖励的序贯决策问题称为马尔可夫决策过程(Markov decision process,MDP),它包含一个状态集合(初始状态s0),每个状态下的动作集合Actions(s),转移模型,奖励函数。