强化学习1——基本概念、MDP、价值迭代、策略迭代、蒙特卡洛
1.强化学习简介1.1 基本概念强化学习是通过从交互学习来实现目标的计算方法。其交互过程是，在每一步t中，智能体与环境进行交互：（1）智能体（agent）：获得观察O_t，获得奖励R_t，执行动作A_t；（2）环境：获得行动A_t，给出观察O_{t+1}，给出奖励R_{t+1}；以上这种交互的一个完整的过程，我们可以称之为历史（History)，这是...
原创
2020-07-30 09:01:30 ·
9052 阅读 ·
0 评论
关注
分享
扫一扫