摘要: 1. return和贝尔曼 上图说明从不同状态出发得到的return,依赖于从其他状态出发的return v是return,将第一张图写成矩阵的形式,r代表immediate reward,是已知的,矩阵P是策略加上state transition,也是已知的,求解v 这个公式实际上就是贝尔曼公式 阅读全文
posted @ 2024-11-09 11:20 penuel 阅读(181) 评论(0) 推荐(0) 编辑