MDP(Markov Decision Process,马尔可夫决策过程)五元组是用来完全描述一个马尔可夫决策过程的基本组成部分,它是一个形式化的数学模型,用于解决强化学习环境中的决策问题。MDP五元组包括以下元素:
-
状态空间 𝑆:
- 所有可能的状态集合,代表环境中智能体可以处于的不同条件或位置。智能体会在这些状态之间迁移。
-
动作空间 𝐴:
- 智能体可以选择执行的所有可能行为或动作的集合。对于每一个状态 𝑠∈𝑆,智能体会从动作集合 𝐴 中选择一个动作 𝑎 执行。
-
状态转移概率 𝑃𝑠𝑎:
- 表示从一个状态 𝑠 执行动作 𝑎 后转移到下一个状态 𝑠′ 的概率分布。用 𝑃(𝑠′∣𝑠,𝑎) 表示,意味着给定当前状态 𝑠 和采取的动作 𝑎,智能体到达新状态 𝑠′ 的概率。
-
奖励函数 𝑅:
- 定义了一个从状态-动作对映射到即时奖励的函数。在执行动作 𝑎 后,智能体从状态 𝑠 转移到 𝑠′ 时获得的即时奖励记作 𝑅(𝑠,𝑎,𝑠′) 或者简写为 𝑟。
-
折扣因子 𝛾:
- 是一个介于0到1之间的数值,它决定了对未来奖励的重视程度。值越接近1,说明智能体对未来奖励看得越长远,越注重长期利益;值越接近0,则更倾向于短期收益。