hxxxx_heeee的博客

原创 强化学习初步总结

强化学习基础 1. 定义： 智能体（agent） 环境(environment) 状态s 动作a 策略 π(a|s)，确定性策略是从状态空间到动作空间的映射函数 π : S → A。随机性策略 表示在给定环境状态时,智能体选择某个动作的概率分布。 状态转移概率 p(s′ |s, a) 即时奖励 r(s, a, s′ )  2. 马尔可夫决策过程 马尔可夫过程 (Markov P...