2025《强化学习概况综述》3500字.doc

下载文档

0
0
约7.08千字
约 6页
2025-12-10 发布于湖北
举报
版权申诉
保障服务

2025《强化学习概况综述》3500字.doc

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

-PAGE53-

强化学习概况综述

1马尔可夫决策过程（MDP）

任何强化学习问题都能抽象为马尔可夫决策过程（MDP）[94]，如图1.1所示。马尔可夫决策过程可以用五元组参数来表示，其中表示状态空间，状态空间中的状态可为连续状态或离散状态；表示动作空间，与状态空间类似，它里面的动作也可为连续的或离散的；表示转移概率空间，是状态转移概率，表示从当前状态和当前动作到下一时刻的概率；表示奖励函数，与当前的状态和动作有关；是折扣因子，表示越是未来的状态和动作产生的奖励对当前的累计回报影响越小。MDP满足马尔可夫性质，即在现在状态已知的情况下，未来的状态和过去的状态条件独立。总的来说，马