zhaoying9105的博客

马尔可夫决策过程四元组[X, A, P, R]X : 状态的集合； A：动作的集合； P：状态转移函数，在给定状态x 和动作a 的情况下，转移到其他各个状态的概率； R：转移到下个状态后获得的奖赏；另有策略函数策略函数是在给定的状态x下，决定采取什么样的动作a； 注意：1、策略函数和状态转移函数是完全不一样的，策略函数是给定x选择a，状态函数是给定x和a，选定下一个状态，一般来说，策略函