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
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
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