原书出处
强化学习入门:从原理到实践
02 2.2 马尔可夫奖励过程
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
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter11.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d