知识卡片
MDP用状态建模长远决策
马尔可夫决策过程包含状态、动作、转移概率、奖励和折扣因子。当前状态应包含预测下一步所需的信息。动作影响转移及奖励,折扣控制远期收益的作用。策略决定每种状态下如何行动,目标是累积收益。
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
- 人工智能概述 · 查看原书依据
MDP通常利用一个五元组来表示
参考来源
- 位置:《机器学习观止:核心原理与实践》第01章《人工智能概述》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter1.xhtml`)。
- 结论依据:第 1.3.3 节以五个元素定义模型,并用棋局说明眼前收益和最终结果可分离。
- 原始内容:MDP通常利用一个五元组来表示