原书出处
深入浅出强化学习:原理入门
02 第2章 马尔科夫决策过程
略)和回报考虑在内的马尔科夫过程称为马尔科夫决策过程。 图2.2 马尔科夫过程示例图 3.第三个概念是马尔科夫决策过程
马尔科夫决策过程由元组(S,A,P,R,γ)描述,其中: S 为有限的状态集 A 为有限的动作集 P 为状态转移概率 R 为回报函数 γ 为折扣因子,用来计算累积回报。
注意,跟马尔科夫过程不同的是,马尔科夫决策过程的状态转移概率是包含动作的,即 。 举个例子如图2.3所示。 图2.3
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00010.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57