问题是这样的:
杰克管理一个全国性汽车出租公司的两个地点。每天,都有一些顾客到这两个地点租车。如果有车可租,杰克就将车租出并从公司得到10美元的回扣。如果这个地点没车,杰克就失去了这笔生意。还回的车第二天就可以出租。为了使需要车的地点有车可租,杰克可以在两个地点间移动车辆,移动每辆车的费用是2美元。我们假设每个地点的车的需求量和归还量都是泊松分布变量。假设租车的期望值是3和4,还车的期望值是3和2。为了简化问题,我们假设每个地点的车不多于20辆(多于的车被还回公司,因此就从此问题中消失了)并且一晚上最多移动5辆车。折扣率为0.9,时间步为天,状态是每天结束时两个地点的车辆数,动作是晚上在两个地点间移动的车辆数。
如何编程实现这个问题,有兴趣的朋友可以先试试贴出自己的实现思想,等我稍后整理好代码会贴出!