摘要:一、离散状态的马尔科夫决策 1. 奖励因子r 在马尔科夫决策中,有个奖励因子r,在计算总期望价值的时候,奖励因子r的次方数会逐步增加。对于这个的解释可以理解为:今天的一元钱在明天一般都会贬值。所以当某个状态s较晚到达时,要控制奖励因子使得获得的价值减少。 2. Bellman方程 $$ V^{\pi 阅读全文
posted @ 2018-11-19 20:32 天涯惟笑 阅读 (28) 评论 (0) 编辑