強化學習之策略policy 6

在決定性策咯中，從一組環境狀態到一組潛在動作的映射（把映射這個數學概念想象成加工廠），輸入的是狀態而輸出的是動作，如果agent想要遵循策略，只需要構建工廠或者指定映射。 在隨機性策略中，映射接收環境狀態s和動作a，返回智能體在狀態s下采取動作A的可能性。 在上一次的吸塵器的馬爾科夫圖中可以表示爲

>>阅读原文<<