2022年学习的强化学习1---相关名词

 1.static（状态）action（动作是谁做的谁就是action）

 2.”%策略函数pi（policy）%“：（概率密度）（随机数）

 3.reward（奖励）

4.”%状态转移函数p%“state transition(状态转移，可设置，可随机（根据代码)）

 翻译：在状态是s，动作为a时，状态s变成s'的概率为p;

 翻译：（environment）代码给予agent一个状态（state），agent做出一个action去更新environment，从而产生一个reward。

5.随机的来源：

一，动作的不确定性；二，状态转移的不确定性

6.trajectory（轨迹）

7.折扣回报（discount return）（γ=0~1的折扣率）

Ut=各个时间的return相加，又由于存在随机性（由action和state决定）所以return受action和state的影响。 

 8."%动作价值函数（Q pi/QΠ）%"和"%状态价值函数（V pi/V Π）%" ：判断在action和state下的好坏；在state下的赢面

①动作价值函数Qpi=回报的期望；

 ② 状态价值函数Vpi与动作价值函数Qpi的期望；