← 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 2026-11-19T06:04:54.433Z

我们已经定义了一个马尔科夫决策过程。我们知道马尔科夫决策过程由元组 来描述。下面我们将机器人找金币的例子建模为MDP。

状态空间: ;动作空间: ;状态转移概率为机器人的运动方程,回报函数为:找到金币的回报为 1,进入死亡区域的回报为-1,机器人在状态1~5之间转换时,回报为0。

下面,我们基于gym构建机器人找金币的gym环境。 一个 gym 的环境文件,其主体是个类,在这里我们定义类名为:Gr

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