強化學習之貝爾曼方程 8

在上一次的狀態價值函數圖中，對於每一個方格我們不比從頭開始計算每一個值，如下圖 如果我們想知道某一狀態的值可以用接下來的一個狀態的折扣值（圖中爲1）+ 立刻的回報。 這個就是貝爾曼預期方程 代表着我們可以將馬爾科夫決策過程任何狀態的值表示爲，即時獎勵和下個狀態的折扣值。 如果幫到你

>>阅读原文<<