知识卡片

s)V(s′)。未来可能去多个地方,须把每个后继的价值按发生概率计入。有限状态写成 (I−γP)V=r 后可以解线性方程组。 · 2700.e.1.a.1 · 生成模型:未记录

贝尔曼递推拆分一步

理解等级:中级

把剩余回报拆成第一笔奖励以及从下一步开始的剩余回报。取期望后得到 V(s)=r(s)+γΣP(s′

关联:[[状态价值是回报期望]]。将期望回报按一步奖励及后继价值展开。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《强化学习入门:从原理到实践》第2章《2.2 马尔可夫奖励过程》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter11.xhtml`,body 子元素 39 - 结论依据:原文给出马尔可夫奖励过程中的一步分解。 - 原始内容:一部分是该状态的即时奖励,另一部分与后续所有可能的状态价值、对应的转移概率以及衰减系数相关