AntiDigit的博客

原创 强化学习之基本公式

强化学习公式理解强化学习中使用收获做为估计价值的指标，这可以类比与现实世界中如何在一顿自助餐中吃回本，如何在一段时间中消耗最低等问题，为了获得最优结果，我们使用计算机进行大量运算。这就是强化学习。推想（复杂，结果最优？只是最优控制吧。）状态S的收获G(S)=r(s,a)+γr(st+1,at+1)+......G(S)=r(s,a)+γr(s_{t+1},a_{t+1})+......G(S)=r(s,a)+γr(st+1​,at+1​)+......这就相当于G(S)=Σk=0∞rt+k∗γ