知识卡片
小模型可以用函数存规则
格子状态转移可从索引偏移和边界条件算出,不必显式维护大量零概率项。模型仍然存在,只是以计算规则表示。用统一接口返回后继和奖励,可以在策略评估与价值迭代中复用。
关联:[[动态规划复用子问题价值]]。格子环境用可计算规则提供贝尔曼回推所需模型。
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
- 3.5.1 小型格子世界MDP建模 · 查看原书依据
编写一个反映环境动力学特征的方法(接受当前状态和行为作为参数)来确定后续状态和奖励值
参考来源
- 位置:《强化学习入门:从原理到实践》第3章《3.5.1 小型格子世界MDP建模》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter22.xhtml`,body 子元素 2
- 结论依据:原文展示用函数实现确定性的局部规则。
- 原始内容:编写一个反映环境动力学特征的方法(接受当前状态和行为作为参数)来确定后续状态和奖励值