qq_32304107的博客

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