给西瓜浇水问题的马尔可夫决策过程理解
理解自 周志华《机器学习》在强化学习的过程中,首先是对强化学习的理解,可用马尔可夫决策过程(Markov Decision Process, MDP)来理解:机器处于环境E中,状态空间为XXX,其中每个状态x∈Xx∈Xx∈X是机器感知到的环境的描述,机器能采取的动作构成了动作空间AAA,若某个动作a∈Aa∈Aa∈A作用在当前状态xxx上,则潜在的转移函数PPP将使得环境从当前状态按某种概率转移到另一个状态,同时,环境会根据潜在的“奖赏函数RRR”反馈给机器一个奖赏。在上述图片中,最优策略为:在“
原创
2020-11-13 15:09:00 ·
523 阅读 ·
0 评论