← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.432Z

{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

此预览只包含定位所需的摘录和上下文。

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