2022年8月3日
m11
摘要： 1、强化学习 1️⃣概念 状态转移概率矩阵（已知状态s和动作a，下一个状态是s‘ 的概率）： 状态 s 采取动作 a 能获得的奖励期望： 策略：状态s下采取动作a的概率： 执行策略 后，状态从s转移至 s' 的概率： 奖励函数： return ：从 t 时刻开始往后所有的奖励的有衰减的和： 行为价值 阅读全文
posted @ 2022-08-03 17:22 Jary霸 阅读(250) 评论(0) 推荐(0)