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
随机策略常用符号 表示,它是指给定状态s时动作集上的一个分布。要理解分布首先要理解随机变量[2] 。 (1)随机变量。
随机变量是指可以随机地取不同值的变量,常用小写字母表示。在MDP中随机变量指的是当前的动作,用字母 表示。在图2.3的例子中,随机变量 可取的值为“玩”、“退出”、“学习”、“发表”和“睡觉”。随机变量可以是离散的也可以是非离散的,在该例子中随机变量是离散的。
有了随机变量,我们就可以描述概率分布了。 (2)概率分布。 概率分布用来描述随机变量在每个可能取到的值处的可能性大小。离
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