强化学习中各种概念的理解

各种function的理解

看图

1.当我看到环境S，怎么样采取动作Action称为策略function π 函数 π(a∣s)

2.当我在S环境下采取了A动作，则获得了回报R。当有很多个不同的S采取A后获得R这个过程，记录成表格。称为Q-table。

3.未来的收益之和 Gt = Rt+1 + μRt+2 ···· = Rt+1 + μGt+1 （注意这里不含Rt，是未来的收益）

4.价值函数是未来奖励的一个预测

Eπ是期望，在已知某个策略的情况下，可以得到奖励的总和。

5.Q函数也是一种价值函数

未来可以获得多少的奖励，它的这个期望取决于你当前的状态和当前的行为。