Reinforcement Learning and Markov decision processes 加强学习

ReinforcementLearning and Control

在监督学习中,数据带有标签,标签实际上就是对相应输入的“绝对正确答案”,而在很多问题中,难以找到这样的正确答案,决策过程分为很多步,这时可以提供一个奖励函数作为反馈,当算法决策的好时进行奖励,否则惩罚,此文先介绍马尔可夫决策过程Markov decision processes (MDP)

马尔可夫决策过程是一个五元组:(S,A,Psa,γ,R)

S是状态集,A是动作

Psa是转移概率, s S a A,代表当前状态为s时做出a动作后,将怎样转移

γ为贴现因子

R : S × A R是一个奖励函数。有时是 R

MDP的动态决策是这样的:从一个状态s0考试,选择某个动作 a0 A然后根据Psa转移到新状态,重复以上过程直到到达给定状态或其他终止条件。




  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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