2021年4月27日

强化学习note1——马尔科夫奖励过程MRP和马尔科夫决策过程MDP各个函数的定义与区别

摘要： 马尔科夫奖励过程MRP 状态转移函数：\(P\left(S_{t+1}=s^{\prime} \mid s_{t}=s\right)\) 奖励函数：\(R\left(s_{t}=s\right)=\mathbb{E}\left[r_{t} \mid s_{t}=s\right]\) 回报：\(\ma 阅读全文
posted @ 2021-04-27 21:20 A2he 阅读(341) 评论(0) 推荐(0) 编辑