强化学习MDP四元组<S，A，P，R>
s：state 状态
a：action 动作
r：reward 奖励
p：probability 状态转移概率
在st时刻选择了at动作时，转移到st+1，而且拿到rt的概率
状态转移概率符合马尔可夫，下一时刻状态取决于当前状态，与之前st-1、st-2都无关
此过程也取决于智能体与环境交互的at（有一个决策的过程在里面） --->马尔可夫决策过程
最低0.47元/天 解锁文章
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
