原书出处
强化学习入门:从原理到实践
03 3.5.1 小型格子世界MDP建模
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
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/chapter22.xhtml
EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d