Open Lightblues opened 3 years ago
https://lightblues.github.io/posts/f541f0d7/
一个马尔可夫决策过程可由以下五元素定义： State (s\in S) Actions (a\in A) Transition func (T(s,a,s')=P(s'|s,a)) Reward func (R(s,a,s')) Decay factor 其中，转移函数和奖励函数被称为 model，另外奖励也可能简化为 (R(s,a)) 或 (R(
https://lightblues.github.io/posts/f541f0d7/
一个马尔可夫决策过程可由以下五元素定义： State (s\in S) Actions (a\in A) Transition func (T(s,a,s')=P(s'|s,a)) Reward func (R(s,a,s')) Decay factor 其中，转移函数和奖励函数被称为 model，另外奖励也可能简化为 (R(s,a)) 或 (R(