強化學習(reinforcement learning)原理

1、簡介 強化學習的任務對應一個四元組: E=<X,A,P,R> E =< X , A , P , R > X:當前狀態 A:可採取的動作總體集合 P:各個轉移狀態的概率值 R:獎賞函數 整體的過程是,對於當前狀態X,從動作集合A中選擇一個動作,作用在X上,使得X按照概率轉移函數P轉移到另外一種狀態,然後環境根據獎賞函數R對動作進行反饋。 強化學習在某種意義上可看作具有延遲標記信息的監督學習,它與
相關文章
相關標籤/搜索