四要素，SMAR-P
state 状态，系统的状态集合
model 模型 状态经过动作后的转移 T(S,a,S')
action 可以执行的动作集合
reward 某个动作的奖励，可以是R(s),R(s,a),R(s,a,s')
这样的一个过程，要求解的是一个行动策略
P(s)->a, 使得奖励最大化。隐含的假设是时间无尽
四要素，SMAR-P
state 状态，系统的状态集合
model 模型 状态经过动作后的转移 T(S,a,S')
action 可以执行的动作集合
reward 某个动作的奖励，可以是R(s),R(s,a),R(s,a,s')
这样的一个过程，要求解的是一个行动策略
P(s)->a, 使得奖励最大化。隐含的假设是时间无尽
本文标题：马尔可夫决策过程
本文链接：https://www.haomeiwen.com/subject/alckixtx.html
网友评论