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
{玩,退出,学习,发表,睡觉},在图2.3中立即回报用R标记。 强化学习的目标是给定一个马尔科夫决策过程,寻找最优策略。
所谓策略是指状态到动作的映射,策略常用符号π表示,它是指给定状态s时,动作集上的一个分布,即 这个公式是什么意思呢?策略的定义是用条件概率分布给出的。
我相信,一涉及概率公式,大部分人都会心里咯噔一下,排斥之情油然而生。但是,要想完全掌握强化学习这门工具,概率公式必不可少
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