摘要： 马尔科夫模型主要元素有3个部分 状态，动作，奖励。 对奖励的设置一定慎重，并且深谋远虑。如下图右侧： 绿色方块是 生 红色方块是 死，游戏目的是使agent尽快到达绿色方块。 1：动作奖励正数过高，会使agent一直在方格世界里兜圈子，不想出去。因为这样每多走一步，都会获得正的奖励。 2：动作奖励负 阅读全文