知识卡片
MDP决策骨架
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?
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。
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