当前位置：网站首页>RL强化学习总结（二）

RL强化学习总结（二）

2022-08-06 08:51:00 【时代＆信念】

马尔科夫决策过程

马尔科夫决策过程，英文为Markov Decision Process，简称MDP。

马尔科夫决策的要求

1.能达到理想状态。也可以说是可以达到最后的状态。例如：阿尔法狗下棋能进行到赢的那一步
2.可以进行多种尝试
例如：阿尔法狗可以在某一次落子时，选择棋盘上多个位置中的其中一个
3.智能体的下一个状态只与当前状态和当前状态下采取的行动有关，与之前的状态没有关系
在这里插入图片描述

MDP的五大元素

在这里插入图片描述
小知识点解释：
在这里插入图片描述
在这里插入图片描述

状态价值函数

在这里插入图片描述
小知识点：
在这里插入图片描述
简单来说就是：加权值！！！

Bellman方程

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Bellman方程的核心：当前状态的价值=当前的奖励+下一步的价值

原网站

版权声明
本文为[时代＆信念]所创，转载请带上原文链接，感谢
https://blog.csdn.net/Elon15/article/details/126182422

边栏推荐

猜你喜欢

随机推荐