原书出处
强化学习
01 强化学习概述 1.2.1 智能体和环境
图1-2解释了强化学习的基本原理。在一个离散时间序列t=0,1,2,…中,智能体需要完成某项任务。在每一个时间t,智能体都能从环境中接收一个状态st,并通过动作at与环境继续交互,环境会产生新的状态st+1,同时给出一个立即回报rt+1。如此循环下去,智能体与环境不断地交互,从而产生更多数据(状态和回报),并利用新的数据进一步改善自身的行为。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-010.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae