Open tinsir888 opened 5 months ago
https://tinsir888.github.io/posts/786e440a.html
learning by planing 入门算法与介绍 模型是什么 给定一个状态和动作，模型能够预测下一个状态和奖励的分布，即P(s′,r∣s,a)P(s',r|s,a)P(s′,r∣s,a) s, a：给定的状态和动作 s’, r：下一个状态和奖励 模型的分类：分布模型（distribution model，类似于白盒模型）、样本模型（sample model，黑盒模型） 以掷
https://tinsir888.github.io/posts/786e440a.html
learning by planing 入门算法与介绍 模型是什么 给定一个状态和动作，模型能够预测下一个状态和奖励的分布，即P(s′,r∣s,a)P(s',r|s,a)P(s′,r∣s,a) s, a：给定的状态和动作 s’, r：下一个状态和奖励 模型的分类：分布模型（distribution model，类似于白盒模型）、样本模型（sample model，黑盒模型） 以掷