返回主题:强化学习与多智能体

知识卡片

普通读书笔记卡 · 2792.d

MDP决策骨架

理解等级:未标注

马尔可夫决策过程(MDP)是智能体决策和强化学习的基础模型,由状态集、动作集、状态转移概率和回报组成。智能体在某状态选择动作后按概率转到下一状态,每一步都有回报。强化学习根据环境给出的延时回报判断策略好坏,并用值函数衡量策略的长期影响,而不只看单步收益。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《分布式人工智能:基于TensorFlow、RTOS与群体智能体系》第2章《分布式智能计算基础》(源文件:_epub-src/OEBPS/Text/chapter2-9.xhtml) - 结论依据:原文说明MDP是分布式决策最基础的理论模型,也是强化学习的基本理论;形成四元结构M=(S,A,Psa,R),智能体从状态选择动作并按概率跳转;每次执行有回报,强化学习从环境中获得延时回报来定义策略好坏,用值函数表明策略的长期影响。 - 原始内容:人工智能的发展中,马尔可夫决策模型是规划决策建模的基本理论模型,也是强化学习的基本理论。……马尔可夫决策过程就形成了一个四元结构体M = (S, A, Psa, R)。……在不断的MDP中,增强学习的决策模型就会从环境中进行延时回报,从而来定义策略的好坏