知识卡片
MDP中的动作影响转移
马尔可夫决策过程用状态、动作、转移概率、奖励和折扣因子描述序贯决策。P(s′|s,a) 表示当前状态采取行动后下一状态的分布;策略决定如何选行动。转移概率可以是已知的,也可以由交互学习,不能将模型已知当作 MDP 的定义。
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
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
P(s′|s,a):状态转移函数,在状态s下执行动作a后到达状态s′的概率。
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:原文列出 MDP 元组及动作条件下的转移概率。
- 原始内容:P(s′|s,a):状态转移函数,在状态s下执行动作a后到达状态s′的概率。