四要素，SMAR-P
state 狀態(tài)，系統(tǒng)的狀態(tài)集合
model 模型 狀態(tài)經(jīng)過動作后的轉(zhuǎn)移 T(S,a,S')
action 可以執(zhí)行的動作集合
reward 某個動作的獎勵，可以是R(s),R(s,a),R(s,a,s')
這樣的一個過程，要求解的是一個行動策略
P(s)->a, 使得獎勵最大化。隱含的假設(shè)是時間無盡
馬爾可夫決策過程
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。
相關(guān)閱讀更多精彩內(nèi)容
- 看了David Silver深度強化學習課程，感覺收獲很多呀，第二講主要講的是馬爾可夫決策過程，借著寫文檔的機會，...
- 《躍遷》我剛看到第100頁，先來總結(jié)10條，希望對你有用。 001 用投資的心態(tài)看待人生 比如我有100元錢，可以...
- 簡筆畫就是利用極簡單的點、線、面等繪畫要素，把復(fù)雜的形體高度概括地簡化成方形、圓形、三角形等基本形(或基本形的變形...
