- 博客(1)
- 收藏
- 关注
原创 MDP总结
MDP总结 强化学习建模 强化学习问题可以下图来表示: 上面右图中的大脑代表执行强化学习算法的个体(Agent、或称为代理)。个体通过强化学习算法计算出一个适合当前状态的动作AtA_tAt。地球代表强化学习问题中涉及的环境,它有自己的状态模型。个体在状态St=sS_t=sSt=s下选择动作后,环境状态从St=sS_t=sSt=s转移至St+1=s′S_{t+1}=s'St+1=s′,同时个体获得采取动作AtA_tAt后的即时奖励Rt+1R_{t+1}Rt+1(注:Rt+1R_{t+1}R
2020-06-24 22:54:49 7943 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人