← 返回卡片

原书出处

强化学习

01 强化学习概述 1.2.1 智能体和环境

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.892Z

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。

此预览只包含定位所需的摘录和上下文。

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