2020年7月23日
强化学习：马尔可夫决策过程（模型参数、动态特性、价值函数概念、回溯图及贝尔曼期望方程推导）
摘要： 马尔可夫决策过程：MDP 一、MDP模型表示 首先引出马尔可夫决策过程的几个相关变量集合：A={at},S={st},R={rt+1},t=1,2,...T or ∞。A表示Action，S表示State，R表示Reward，这几个均是静态的随机变量，可以是离散的，也可以是连续的。 ①如果变量是离散 阅读全文
posted @ 2020-07-23 18:36 Feynmania 阅读(1331) 评论(0) 推荐(0) 编辑