[RL] 3 Finite Markov Decision Processes (3)

Previous Blog

  在开始新的内容之前,我们先回顾一下前两篇博客[RL] 3 Finite Markov Decision Processes (1)[RL] 3 Finite Markov Decision Processes (2)给出的重要概念和式子:

  • state:
       St=sS
  • action:
       At=aA(St)
  • reward:
       Rt=rRR
  • policy:
       πt(as)=Pr(At=aSt=s)
  • return:
       GtTt1k=0γkRt+k+1
  • markov property:
    p(s,rs,a)Pr{ St+1=s,Rt+1=rSt=s,At=a}(1.1)
  • expected reward for state-action:
    r(s,a)E[Rt+1St=s,At=a]=rRrsSp(s,rs,a)(1.2)
  • state-transition probability:
    p(ss,a)Pr{ St+1=sSt=s,At=a}=rRp(s,rs,a)(1.3)
  • expected reward for state-action-nextState:
    r(s,a,s)E[Rt+1St=s,At=a,St+1=s]=rRrp(s,rs,a)p(ss,a)(1.4)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值