知识卡片
贝尔曼递推拆分一步
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 2.2 马尔可夫奖励过程 · 查看原书依据
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
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